Algoritmo genético direcionado e sua análise estocástica para resolução do problema de despacho econômico
| Ano de defesa: | 2024 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Tese |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Universidade Estadual Paulista (Unesp)
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | https://hdl.handle.net/11449/258322 |
Resumo: | Neste trabalho, visando resolver o Problema de Despacho Econômico considerando os efeitos de pontos de carregamento de válvula e zonas de operação proibida (PDEPVZ), vamos propor o Algoritmo Genético Direcionado (AGD), um método baseado no Algoritmo Genético (AG) que, utilizando as singularidades da função objetivo e sem perder a capacidade de exploração do AG, realiza uma busca inteligente focada principalmente nessas singularidades do problema. Além disso, através de resultados da Teoria de Probabilidade e processos estocásticos provamos que o AGD converge. Para que pudéssemos validar o AGD, o algoritmo foi implementado no Python e testes foram realizados para resolver o PDEPV e o PDEPVZ para sistemas com 3, 5, 6 e 40 geradores. Propomos ainda o Algoritmo Evolutivo Adaptativo (AEA), que incorpora uma mutação adaptativa ao Algoritmo Evolutivo convencional com elitismo, e provamos que o AEA apresenta uma Taxa Média de Convergência (TMC) linear, quando aplicado à funções que são Lipschitz contínuas e que satisfazem determinadas hipóteses ((A1) ou (A2)). Adaptações foram feitas aos teoremas relacionados à TMC, para que toda a teoria pudesse ser aplicada ao PDEPV. Além disso, para tornar o PDEPVZ ainda mais representativo, propõe-se um modelo linear para a rede de transmissão (PDEPVZ-RR), onde tanto as perdas quanto os limites de uxo de potência são aplicados a todos os indivíduos da população. Este modelo foi incorporado ao AGD através da criação de um operador que calcula as perdas e faz o balanço de potência. Testes foram realizados para os sistemas IEEE-118 barras e IEEE-300 barras. |
| id |
UNSP_5041ca01627b34f26fa3c297e042abb6 |
|---|---|
| oai_identifier_str |
oai:repositorio.unesp.br:11449/258322 |
| network_acronym_str |
UNSP |
| network_name_str |
Repositório Institucional da UNESP |
| repository_id_str |
|
| spelling |
Algoritmo genético direcionado e sua análise estocástica para resolução do problema de despacho econômicoDirected genetic algorithm and its stochastic analysis for solving the economic dispatch problemOtimizaçãoMeta-heurísticaConvergênciaProcessos estocásticoMutação positiva-adaptativaFluxo de carga linearizadoOptimizationMeta-heuristicSingularitiesConvergenceStochastic processesPositive-adaptive mutationLipschitz continuous functionLinearized power owNeste trabalho, visando resolver o Problema de Despacho Econômico considerando os efeitos de pontos de carregamento de válvula e zonas de operação proibida (PDEPVZ), vamos propor o Algoritmo Genético Direcionado (AGD), um método baseado no Algoritmo Genético (AG) que, utilizando as singularidades da função objetivo e sem perder a capacidade de exploração do AG, realiza uma busca inteligente focada principalmente nessas singularidades do problema. Além disso, através de resultados da Teoria de Probabilidade e processos estocásticos provamos que o AGD converge. Para que pudéssemos validar o AGD, o algoritmo foi implementado no Python e testes foram realizados para resolver o PDEPV e o PDEPVZ para sistemas com 3, 5, 6 e 40 geradores. Propomos ainda o Algoritmo Evolutivo Adaptativo (AEA), que incorpora uma mutação adaptativa ao Algoritmo Evolutivo convencional com elitismo, e provamos que o AEA apresenta uma Taxa Média de Convergência (TMC) linear, quando aplicado à funções que são Lipschitz contínuas e que satisfazem determinadas hipóteses ((A1) ou (A2)). Adaptações foram feitas aos teoremas relacionados à TMC, para que toda a teoria pudesse ser aplicada ao PDEPV. Além disso, para tornar o PDEPVZ ainda mais representativo, propõe-se um modelo linear para a rede de transmissão (PDEPVZ-RR), onde tanto as perdas quanto os limites de uxo de potência são aplicados a todos os indivíduos da população. Este modelo foi incorporado ao AGD através da criação de um operador que calcula as perdas e faz o balanço de potência. Testes foram realizados para os sistemas IEEE-118 barras e IEEE-300 barras.In this work, aiming to solve the Economic Dispatch Problem considering the e ects of valve-point loading and prohibited operating zones (EDPVPZ), we propose the Directed Genetic Algorithm (DGA), a method based on the Genetic Algorithm (GA) that, by utilizing the singularities of the objective function without losing the GA's exploratory capability, performs an intelligent search primarily focused on these problem singularities. Additionally, through results from Probability Theory and stochastic processes, we prove that the DGA converges. To validate the DGA, the algorithm was implemented in Python, and tests were conducted to solve the EDPVP and EDPVPZ for systems with 3, 5, 6, and 40 generators. We also propose the Adaptive Evolutionary Algorithm (AEA), which incorporates an adaptive mutation into the conventional Evolutionary Algorithm with elitism. We prove that the AEA exhibits a linear Average Convergence Rate (ACR) when applied to functions that are Lipschitz continuous and satisfy certain hypotheses ( (A1) or (A2)). Adaptations were made to the theorems related to ACR to apply the entire theory to the EDPVP. Additionally, to make the EDPVPZ even more representative, a linear model for the transmission network (TR-EDPVPZ) is proposed, where both losses and power ow limits are applied to all individuals in the population. This model was incorporated into the DGA through the creation of an operator that calculates losses and performs the power balance. Tests were conducted for the IEEE-118 bus and IEEE-300 bus systems.Universidade Estadual Paulista (Unesp)Soler, Edilaine Martins [UNESP]Instituto Federal de Educação, Ciência e Tecnologia de São Paulo (IFSP)Universidade Estadual Paulista (Unesp)Nepomuceno, Leonardo [UNESP]Borges, Lívia Teresa Minami [UNESP]2024-11-25T17:39:43Z2024-11-25T17:39:43Z2024-10-14info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfBORGES, Lívia Teresa Minami. Algoritmo genético direcionado e sua análise estocástica para resolução do problema de despacho econômico. Orientadora: Edilaine Martins Soler. 2024. 154 f. Tese (Doutorado em Engenharia Elétrica) - Faculdade de Engenharia, Universidade Estadual Paulista (UNESP), Bauru, 2024.https://hdl.handle.net/11449/25832233004056087P2porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2025-08-28T05:16:33Zoai:repositorio.unesp.br:11449/258322Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestrepositoriounesp@unesp.bropendoar:29462025-08-28T05:16:33Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
| dc.title.none.fl_str_mv |
Algoritmo genético direcionado e sua análise estocástica para resolução do problema de despacho econômico Directed genetic algorithm and its stochastic analysis for solving the economic dispatch problem |
| title |
Algoritmo genético direcionado e sua análise estocástica para resolução do problema de despacho econômico |
| spellingShingle |
Algoritmo genético direcionado e sua análise estocástica para resolução do problema de despacho econômico Borges, Lívia Teresa Minami [UNESP] Otimização Meta-heurística Convergência Processos estocástico Mutação positiva-adaptativa Fluxo de carga linearizado Optimization Meta-heuristic Singularities Convergence Stochastic processes Positive-adaptive mutation Lipschitz continuous function Linearized power ow |
| title_short |
Algoritmo genético direcionado e sua análise estocástica para resolução do problema de despacho econômico |
| title_full |
Algoritmo genético direcionado e sua análise estocástica para resolução do problema de despacho econômico |
| title_fullStr |
Algoritmo genético direcionado e sua análise estocástica para resolução do problema de despacho econômico |
| title_full_unstemmed |
Algoritmo genético direcionado e sua análise estocástica para resolução do problema de despacho econômico |
| title_sort |
Algoritmo genético direcionado e sua análise estocástica para resolução do problema de despacho econômico |
| author |
Borges, Lívia Teresa Minami [UNESP] |
| author_facet |
Borges, Lívia Teresa Minami [UNESP] |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Soler, Edilaine Martins [UNESP] Instituto Federal de Educação, Ciência e Tecnologia de São Paulo (IFSP) Universidade Estadual Paulista (Unesp) Nepomuceno, Leonardo [UNESP] |
| dc.contributor.author.fl_str_mv |
Borges, Lívia Teresa Minami [UNESP] |
| dc.subject.por.fl_str_mv |
Otimização Meta-heurística Convergência Processos estocástico Mutação positiva-adaptativa Fluxo de carga linearizado Optimization Meta-heuristic Singularities Convergence Stochastic processes Positive-adaptive mutation Lipschitz continuous function Linearized power ow |
| topic |
Otimização Meta-heurística Convergência Processos estocástico Mutação positiva-adaptativa Fluxo de carga linearizado Optimization Meta-heuristic Singularities Convergence Stochastic processes Positive-adaptive mutation Lipschitz continuous function Linearized power ow |
| description |
Neste trabalho, visando resolver o Problema de Despacho Econômico considerando os efeitos de pontos de carregamento de válvula e zonas de operação proibida (PDEPVZ), vamos propor o Algoritmo Genético Direcionado (AGD), um método baseado no Algoritmo Genético (AG) que, utilizando as singularidades da função objetivo e sem perder a capacidade de exploração do AG, realiza uma busca inteligente focada principalmente nessas singularidades do problema. Além disso, através de resultados da Teoria de Probabilidade e processos estocásticos provamos que o AGD converge. Para que pudéssemos validar o AGD, o algoritmo foi implementado no Python e testes foram realizados para resolver o PDEPV e o PDEPVZ para sistemas com 3, 5, 6 e 40 geradores. Propomos ainda o Algoritmo Evolutivo Adaptativo (AEA), que incorpora uma mutação adaptativa ao Algoritmo Evolutivo convencional com elitismo, e provamos que o AEA apresenta uma Taxa Média de Convergência (TMC) linear, quando aplicado à funções que são Lipschitz contínuas e que satisfazem determinadas hipóteses ((A1) ou (A2)). Adaptações foram feitas aos teoremas relacionados à TMC, para que toda a teoria pudesse ser aplicada ao PDEPV. Além disso, para tornar o PDEPVZ ainda mais representativo, propõe-se um modelo linear para a rede de transmissão (PDEPVZ-RR), onde tanto as perdas quanto os limites de uxo de potência são aplicados a todos os indivíduos da população. Este modelo foi incorporado ao AGD através da criação de um operador que calcula as perdas e faz o balanço de potência. Testes foram realizados para os sistemas IEEE-118 barras e IEEE-300 barras. |
| publishDate |
2024 |
| dc.date.none.fl_str_mv |
2024-11-25T17:39:43Z 2024-11-25T17:39:43Z 2024-10-14 |
| 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 |
BORGES, Lívia Teresa Minami. Algoritmo genético direcionado e sua análise estocástica para resolução do problema de despacho econômico. Orientadora: Edilaine Martins Soler. 2024. 154 f. Tese (Doutorado em Engenharia Elétrica) - Faculdade de Engenharia, Universidade Estadual Paulista (UNESP), Bauru, 2024. https://hdl.handle.net/11449/258322 33004056087P2 |
| identifier_str_mv |
BORGES, Lívia Teresa Minami. Algoritmo genético direcionado e sua análise estocástica para resolução do problema de despacho econômico. Orientadora: Edilaine Martins Soler. 2024. 154 f. Tese (Doutorado em Engenharia Elétrica) - Faculdade de Engenharia, Universidade Estadual Paulista (UNESP), Bauru, 2024. 33004056087P2 |
| url |
https://hdl.handle.net/11449/258322 |
| 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 |
repositoriounesp@unesp.br |
| _version_ |
1854954529218363392 |