Algoritmo genético y enjambre de partículas aplicado en la optimización del sistema eléctrico
DOI:
https://doi.org/10.33448/rsd-v10i10.18871Palabras clave:
Algoritmo genético; Computación Paralela; Mejoramiento; Red eléctrica; Red eléctrica.Resumen
Este artículo tiene como objetivo presentar y ejecutar un modelo compuesto utilizando Algoritmo Genético (AG) y Enjambre de Partículas (PSO), con la ayuda de métodos de computación en paralelo, para optimizar la distribución eléctrica en una red eléctrica basada en un sistema IEEE de 14 buses. El modelado matemático-computacional permite utilizar la función objetivo para el análisis de costos en relación con la potencia o voltaje como una variable independiente, y es el puente para la conexión entre los 2 algoritmos implementados. Los resultados presentados en este artículo demuestran que la metodología se implementó de manera espléndida, además de obtener un excelente costo computacional y cumplir con las limitaciones físicas de la seguridad de la red, también logró soluciones globales en su optimización.
Citas
Costa, H. A. de O., Costa, D. C. L. & Meneses, L. A. de. (2021) Interdisciplinarity Applied to the Optimized Dispatch of Integrated Electricity and Natural Gas Networks using the Genetic Algorithm. Research, Society and Development, [S. l.], v. 10, n. 2, p. e42110212641. DOI: 10.33448/rsd-v10i2.12641. https://rsdjournal.org/index.php/rsd/article/view/12641.
Costa, D. C. L., Costa, H. A. de O., Castro, A. P. S.; Cruz, E. C., Azancort Neto, J. L. & Cruz, B. C. C. da . (2020). The dimensions of Mathematical and Computational Modeling prescribed to Environmental Management. Research, Society and Development, [S. l.], v. 9, n. 10, p. e6939109013. DOI: 10.33448/rsd-v9i10.9013. https://rsdjournal.org/index.php/rsd/article/view/9013.
Costa, D., Costa, H. & Neves, Lucas. (2019) Métodos Matemáticos Aplicados nas Engenharias via Sistemas Computacionais. SINEPEM – IFPA.
Chitero, J. G. M., Bonini Neto, A., Bonini, C. dos S. B., Heinrichs, R., Soares Filho, C. V., Mateus, G. P., Bisi, B. S., Costa, N. R., Piazentin, J. C., Meirelles, G. C. & Gabriel Filho, L. R. A. (2020). Analysis of the physical recovery of degraded soils via Artificial Neural Networks using a graphical interface. Research, Society and Development, [S. l.], v. 9, n. 7, p. e257973719. DOI: 10.33448/rsd-v9i7.3719. https://rsdjournal.org/index.php/rsd/article/view/3719.
Goldberg, D. (1989). Genetic Algorithms in Search, Optimization, and Machine Learning (1st ed.), Addison-Wesley Professional.
Ghosh, M., Guha, R., Alam, I., Lohariwal, P., Jalan, D. & Sarkar, R. (2020). Binary Genetic Swarm Optimization: A Combination of GA and PSO for Feature Selection. Journal of Intelligent Systems, 29(1), 1598-1610. DOI: 10.1515/jisys-2019-0062.
Holland, J. H. (1962). Outline for a Logical Theory of Adaptive Systems. Journal of the ACM. 9(3), 297–314. DOI: 10.1145/321127.321128.
Hong, H., Panahi, M., Shirzadi, A., Ma, T., Liu, J., Zhu, A., Chen, W., Kougias, I. & Kazakis, N. (2018). Flood susceptibility assessment in Hengfeng area coupling adaptive neuro-fuzzy inference system with genetic algorithm and differential evolution, Science of The Total Environment, 621, 1124-1141, https://doi.org/10.1016/j.scitotenv.2017.10.114.
Kennedy, J. & Eberhart, R. (1995, 27 November-1 December). Particle swarm optimization. Proceedings of ICNN'95 - International Conference on Neural Networks, Perth, WA, Australia, (pp. 1942-1948), vol.4, doi:10.1109/ICNN.1995.488968.
Mascarenhas, T. A. T., Moriel Junior, J. G., Gomes, R. de S. R. & Mello, G. J. (2020). Appication of machine learning algorithms in the Classification of Specialized Knowledge of Physics Teachers. Research, Society and Development, [S. l.], v. 9, n. 11, p. e86191110584. DOI: 10.33448/rsd-v9i11.10584. https://rsdjournal.org/index.php/rsd/article/view/10584.
Mota, C. (2021, May 31). Como seca histórica no Brasil traz risco de inflação e racionamento de energia. BBC Brasil. https://www.bbc.com/portuguese/brasil-57290389
Pereira, A. S., Shitsuka, D. M., Parreira, F. J. & Shitsuka, R. (2018). Metodologia da pesquisa científica. Núcleo de Tecnologia Educacional – UFSM.
Pinto, G. L., Gabriel Filho, L. R. A., Bonini Neto, A. & Baptista, R. D. (2020). The Millennials Culture: behavioral mapping in estimating generations using a mathematical model and artificial intelligence. Research, Society and Development, [S. l.], v. 9, n. 9, p. e887997772. DOI: 10.33448/rsd-v9i9.7772. https://rsdjournal.org/index.php/rsd/article/view/7772.
R. Ouiddir., M. Rahli & L. Abdelhakem-Koridak. (2005). Economic Dispatch using a Genetic Algorithm: Application to Western Algeria's Electrical Power Network. Journal of Information Science and Engineering, 21(3), 659-668.
Schaffer, J., Caruana, R., Eshelman, L. & Das, R. (1989, 1 June). A Study of Control Parameters Affecting Online Performance of Genetic Algorithms for Function Optimization. Proceedings of the 3rd International Conference on Genetic Algorithms. San Francisco, CA.
Sheppard, C. (2016). Genetic Algorithms with Python (1st ed.). Createspace Independent Publishing Platform
Shi, Y. & Eberhart, R. (1998, 4-9 May). A modified particle swarm optimizer. IEEE International Conference on Evolutionary Computation Proceedings. IEEE World Congress on Computational Intelligence (Cat. No.98TH8360), Anchorage, AK, (pp. 69-73), doi:10.1109/ICEC.1998.699146.
Teles, W. de S., Machado, A. P., Cantos Júnior, P. C. C., Melo, C. M. de, Silva, M. H. S., Silva, R. N. da & Jeraldo, V. de L. S. (2021). Machine learning and automatic selection of attributes for the identification of Chagas disease from clinical and sociodemographic data. Research, Society and Development, [S. l.], v. 10, n. 4, p. e19310413879. DOI: 10.33448/rsd-v10i4.13879. https://rsdjournal.org/index.php/rsd/article/view/13879.
Wirsansky, E. (2020). Hands-On Genetic Algorithms with Python (1st ed.). Packt Publishing Ltd.
Zhou, Y., Li, Z., Zhou, H. & Li, Z.(2016, July 27-29). The application of PSO in the power grid: A review. 35th Chinese Control Conference (CCC), Chengdu, China, DOI: 10.1109/ChiCC.2016.7554948.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Heictor Alves de Oliveira Costa; Larissa Luz Gomes; Denis Carlos Lima Costa
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
