Fluxo de potência ótimo em sistemas elétricos de potência através de um algoritmo genético multiobjetivo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | http://hdl.handle.net/11449/153015 |
Resumo: | Neste trabalho é proposto o desenvolvimento de uma ferramenta computacional para o planeja-mento e despacho ótimo de fontes de potência ativa, considerando as incertezas das cargas (le-ve, nominal e pesada) e fontes de energia renováveis não despacháveis através de uma aborda-gem probabilística. O modelo matemático é um problema de programação não linear inteiro misto, multiobjetivo, não convexo e probabilístico na sua forma original sem a necessidade de realizar qualquer tipo de simplificação ou linearização tanto das funções objetivo como das res-trições. Um algoritmo baseado na meta-heurística Non-dominated Sorting Genetic Algorithm (NSGA-II) é proposto para resolver o problema de maneira eficaz. Os resultados obtidos com as simulações realizadas usando a implementação computacional nos sistemas de testes IEEE30 barras e IEEE118 barras mostram a eficiência e robustez da metodologia proposta. |
id |
UNSP_8799bd41b0d10fbfcd5de7ea96d622fd |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/153015 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Fluxo de potência ótimo em sistemas elétricos de potência através de um algoritmo genético multiobjetivoFlujo de potencia óptimo en sistemas eléctricos de potencia a través de un algoritmo genético multiobjetivoFluxo de potência ótimoOtimização multiobjetivoNSGA-IIMeta-heurísticaOptimal power flowMultiobjective optimizationMetaheuristicNeste trabalho é proposto o desenvolvimento de uma ferramenta computacional para o planeja-mento e despacho ótimo de fontes de potência ativa, considerando as incertezas das cargas (le-ve, nominal e pesada) e fontes de energia renováveis não despacháveis através de uma aborda-gem probabilística. O modelo matemático é um problema de programação não linear inteiro misto, multiobjetivo, não convexo e probabilístico na sua forma original sem a necessidade de realizar qualquer tipo de simplificação ou linearização tanto das funções objetivo como das res-trições. Um algoritmo baseado na meta-heurística Non-dominated Sorting Genetic Algorithm (NSGA-II) é proposto para resolver o problema de maneira eficaz. Os resultados obtidos com as simulações realizadas usando a implementação computacional nos sistemas de testes IEEE30 barras e IEEE118 barras mostram a eficiência e robustez da metodologia proposta.This work proposes the development of a computational tool for the planning and optimal dispatch of active power sources, considering the uncertainties of the loads (light, nominal and heavy) and non-dispatchable renewable energy sources through a probabilistic approach. The mathematical model is a multi-objective mixed-integer nonlinear programing problem, that is nonconvex and probabilistic in its original form, without the need to perform any kind of simplification or linearization of both objective functions and constraints. An algorithm based on the Non-dominated Sorting Genetic Algorithm (NSGA-II) meta-heuristic is pro-posed to solve the problem effectively. The results obtained with the simulations performed using the computational implementation in the IEEE30 bus and IEEE118 bus test systems show the efficiency and robustness of the proposed methodology.Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)167761/2014-5Universidade Estadual Paulista (Unesp)Mantovani, José Roberto Sanches [UNESP]Universidade Estadual Paulista (Unesp)Araujo, Elaynne Xavier Souza2018-03-14T12:06:56Z2018-03-14T12:06:56Z2018-02-23info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttp://hdl.handle.net/11449/15301500089821933004099080P0porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-08-05T17:59:00Zoai:repositorio.unesp.br:11449/153015Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T17:59Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Fluxo de potência ótimo em sistemas elétricos de potência através de um algoritmo genético multiobjetivo Flujo de potencia óptimo en sistemas eléctricos de potencia a través de un algoritmo genético multiobjetivo |
title |
Fluxo de potência ótimo em sistemas elétricos de potência através de um algoritmo genético multiobjetivo |
spellingShingle |
Fluxo de potência ótimo em sistemas elétricos de potência através de um algoritmo genético multiobjetivo Araujo, Elaynne Xavier Souza Fluxo de potência ótimo Otimização multiobjetivo NSGA-II Meta-heurística Optimal power flow Multiobjective optimization Metaheuristic |
title_short |
Fluxo de potência ótimo em sistemas elétricos de potência através de um algoritmo genético multiobjetivo |
title_full |
Fluxo de potência ótimo em sistemas elétricos de potência através de um algoritmo genético multiobjetivo |
title_fullStr |
Fluxo de potência ótimo em sistemas elétricos de potência através de um algoritmo genético multiobjetivo |
title_full_unstemmed |
Fluxo de potência ótimo em sistemas elétricos de potência através de um algoritmo genético multiobjetivo |
title_sort |
Fluxo de potência ótimo em sistemas elétricos de potência através de um algoritmo genético multiobjetivo |
author |
Araujo, Elaynne Xavier Souza |
author_facet |
Araujo, Elaynne Xavier Souza |
author_role |
author |
dc.contributor.none.fl_str_mv |
Mantovani, José Roberto Sanches [UNESP] Universidade Estadual Paulista (Unesp) |
dc.contributor.author.fl_str_mv |
Araujo, Elaynne Xavier Souza |
dc.subject.por.fl_str_mv |
Fluxo de potência ótimo Otimização multiobjetivo NSGA-II Meta-heurística Optimal power flow Multiobjective optimization Metaheuristic |
topic |
Fluxo de potência ótimo Otimização multiobjetivo NSGA-II Meta-heurística Optimal power flow Multiobjective optimization Metaheuristic |
description |
Neste trabalho é proposto o desenvolvimento de uma ferramenta computacional para o planeja-mento e despacho ótimo de fontes de potência ativa, considerando as incertezas das cargas (le-ve, nominal e pesada) e fontes de energia renováveis não despacháveis através de uma aborda-gem probabilística. O modelo matemático é um problema de programação não linear inteiro misto, multiobjetivo, não convexo e probabilístico na sua forma original sem a necessidade de realizar qualquer tipo de simplificação ou linearização tanto das funções objetivo como das res-trições. Um algoritmo baseado na meta-heurística Non-dominated Sorting Genetic Algorithm (NSGA-II) é proposto para resolver o problema de maneira eficaz. Os resultados obtidos com as simulações realizadas usando a implementação computacional nos sistemas de testes IEEE30 barras e IEEE118 barras mostram a eficiência e robustez da metodologia proposta. |
publishDate |
2018 |
dc.date.none.fl_str_mv |
2018-03-14T12:06:56Z 2018-03-14T12:06:56Z 2018-02-23 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/11449/153015 000898219 33004099080P0 |
url |
http://hdl.handle.net/11449/153015 |
identifier_str_mv |
000898219 33004099080P0 |
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 |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
Repositório Institucional da UNESP |
collection |
Repositório Institucional da UNESP |
repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
|
_version_ |
1808128194267578368 |