Algoritmos evolutivos com tratamento de restrições aplicados ao problema de planejamento do despacho hidrotérmico

Detalhes bibliográficos
Autor(a) principal: Marcondes, Eduardo João
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/62080
Resumo: Orientador: Prof. Dr. Daniel Weingaertner
id UFPR_95052111ff29b6d9099c64d8a5c3ea0d
oai_identifier_str oai:acervodigital.ufpr.br:1884/62080
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Marcondes, Eduardo JoãoUniversidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em InformáticaWeingaertner, Daniel, 1976-2019-08-06T12:34:11Z2019-08-06T12:34:11Z2019https://hdl.handle.net/1884/62080Orientador: Prof. Dr. Daniel WeingaertnerDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa : Curitiba, 28/02/2019Inclui referências: p. 69-72Resumo: Este trabalho apresenta o processo de pesquisa, desenvolvimento, aplicação e análise de algoritmos evolutivos com tratamento de restrições sobre o problema do planejamento do despacho hidroelétrico. Previamente à aplicação dos algoritmos sobre o problema de planejamento do despacho hidroelétrico, os algoritmos EPSO-G (_-Constrained Particle Swarm Optiomization with Gradient Mutation) e LSHADE44 (Linear Success-History based Adaptive Differential Evolution - quatro configurações de mutação e quatro posições de memória) foram implementados e avaliados sobre o benchmark de problemas com restrições CEC-2017 (Wu et al., 2016). Para aplicação no problema de planejamento do despacho hidroelétrico foi necessária sua modelagem na estrutura dos algoritmos, assim como a construção de classes de interfaces entre os algoritmos e o módulo de simulação do despacho hidroelétrico. Além do tratamento de restrições por _-constrained presente nos algoritmos, foi utilizado o tratamento de restrições por reparação implementado no simulador de despacho. As execuções foram realizadas sobre 194 diferentes séries de vazões, com dois cenários de estados iniciais de reservatórios: 70% e 30% da capacidade total. Os resultados apontaram que ambos algoritmos conseguiram convergir de soluções aleatórias para soluções comparáveis com outros trabalhos. O algoritmo LSHADE44 obteve os melhores resultados, com uma média de 3,5 restrições violadas entre as 13.431 modeladas, na configuração de 70% de volume inicial, com uma média de deficit hidroenergético de 142.254,80 MW, apresentando nos melhores casos soluções que chegaram a atender a todas restrições. O EPSO-G com a mesma configuração apresentou uma média de 161.6 restrições violadas, porém com menor deficit hidroenergético (36.190,85 MW). As configurações com volume inicial de 30% apresentaram resultados similares. O experimento permite que sejam testados novos algoritmos sobre o problema de planejamento do despacho hidroelétrico utilizando o simulador de despacho para avaliações. Para trabalhos futuros são sugeridas melhorias como aplicação de algoritmos específicos para altas dimensões, e alteração na modelagem do problema para otimizações por bacias hidrográficas. Palavras-chave: Planejamento do Despacho Hidrotérmico, PSO Particle Swarm Optimization, DE Differential Evolution, LSHADE44, Técnicas de Tratamento de Restrições, e-constrained.Abstract: This study presents the process of research, development, application, and analysis of evolutionary algorithms with constraint handling for the hydroelectric dispatch planning problem. Prior to the execution of the algorithms on the hydroelectric dispatch planning problem, the EPSO-G (_-Constrained Particle Swarm Optimization with Gradient Mutation) and LSHADE44 (Linear Success-History based Adaptive Differential Evolution with four memory settings and four memory locations (LSHADE44)) were implemented and evaluated on the benchmark of problems with restrictions CEC-2017 (Wu et al., 2016). To run the hydroelectric dispatch planning problem it was necessary to fit your structure in the algorithms, which included the development (or implementation) of interface classes between the algorithm itself and the hydroelectric dispatch simulator. In addition to _-constrained, a constraint handling by repair method of infeasible solutions mechanism was used in the dispatch simulator. Executions were performed on 194 different flow series and with two initial reservoir state scenarios: 30% and 70% of the total capacity. Results showed that both algorithms were able to converge from random solutions to solutions comparable with those in other studies. The LSHADE44 algorithm obtained better results, with 3.5 violated constraints within 13,431 models, on the 70% of initial capacity, with 142,254.80 MW of hydropower deficit, with all constraints satisfied in the best cases. The EPSO-G, in the same configuration, presented 161.6 violated constraints on average, but a lower hydropower deficit (36,190.85 MW). Both configurations, 30% and 70%, produced similar results. This experiment allows for new algorithms for the hydroelectric dispatch problem to be tested using the dispatch simulator for evaluation. For future work, the following improvements are suggested: an application of specific algorithms for high dimensions; problem remodeling for optimization in separate watersheds. Keywords: Economic Dispatch Problem, PSO Particle Swarm Optimization, DE Differential Evolution, LSHADE44, Constraint Handling Techniques, e-constrained.90 p. : il. (algumas color.).application/pdfAlgoritmos de computadorInteligência artificialCiência da ComputaçãoUsinas hidreletricasAlgoritmos evolutivos com tratamento de restrições aplicados ao problema de planejamento do despacho hidrotérmicoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - EDUARDO JOAO MARCONDES.pdfapplication/pdf2817323https://acervodigital.ufpr.br/bitstream/1884/62080/1/R%20-%20D%20-%20EDUARDO%20JOAO%20MARCONDES.pdf9c91f6508e3f58f401ea52bdf7eee48aMD51open access1884/620802019-08-06 09:34:11.158open accessoai:acervodigital.ufpr.br:1884/62080Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082019-08-06T12:34:11Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Algoritmos evolutivos com tratamento de restrições aplicados ao problema de planejamento do despacho hidrotérmico
title Algoritmos evolutivos com tratamento de restrições aplicados ao problema de planejamento do despacho hidrotérmico
spellingShingle Algoritmos evolutivos com tratamento de restrições aplicados ao problema de planejamento do despacho hidrotérmico
Marcondes, Eduardo João
Algoritmos de computador
Inteligência artificial
Ciência da Computação
Usinas hidreletricas
title_short Algoritmos evolutivos com tratamento de restrições aplicados ao problema de planejamento do despacho hidrotérmico
title_full Algoritmos evolutivos com tratamento de restrições aplicados ao problema de planejamento do despacho hidrotérmico
title_fullStr Algoritmos evolutivos com tratamento de restrições aplicados ao problema de planejamento do despacho hidrotérmico
title_full_unstemmed Algoritmos evolutivos com tratamento de restrições aplicados ao problema de planejamento do despacho hidrotérmico
title_sort Algoritmos evolutivos com tratamento de restrições aplicados ao problema de planejamento do despacho hidrotérmico
author Marcondes, Eduardo João
author_facet Marcondes, Eduardo João
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática
dc.contributor.author.fl_str_mv Marcondes, Eduardo João
dc.contributor.advisor1.fl_str_mv Weingaertner, Daniel, 1976-
contributor_str_mv Weingaertner, Daniel, 1976-
dc.subject.por.fl_str_mv Algoritmos de computador
Inteligência artificial
Ciência da Computação
Usinas hidreletricas
topic Algoritmos de computador
Inteligência artificial
Ciência da Computação
Usinas hidreletricas
description Orientador: Prof. Dr. Daniel Weingaertner
publishDate 2019
dc.date.accessioned.fl_str_mv 2019-08-06T12:34:11Z
dc.date.available.fl_str_mv 2019-08-06T12:34:11Z
dc.date.issued.fl_str_mv 2019
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/62080
url https://hdl.handle.net/1884/62080
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 90 p. : il. (algumas color.).
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/62080/1/R%20-%20D%20-%20EDUARDO%20JOAO%20MARCONDES.pdf
bitstream.checksum.fl_str_mv 9c91f6508e3f58f401ea52bdf7eee48a
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1801860694752100352

Registros relacionados