Algoritmo genético direcionado e sua análise estocástica para resolução do problema de despacho econômico

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Borges, Lívia Teresa Minami [UNESP]
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
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