Optimización de la inyección de potencia desde micro generación distribuida en sistemas eléctricos de distribución de baja tensión. Desarrollos teóricos de un modelo hiperheurístico

Gustavo Alejandro Schweickardt

Resumen


Este artículo presenta los desarrollos teóricos  de un Modelo HiperHeurístico para Optimizar la Inyección de Potencia proveniente de Micro-Generadores Distribuidos en Sistemas Eléctricos de Distribución de Energía (SEDE) en Baja Tensión (BT), focalizándose sobre los Paneles Solares Fotovoltaicos (MG FV). Implica una Optimización Combinatoria MultiObjetivo, en el que los Métodos Clásicos no producen buenas soluciones en el Dominio Determinístico, relativo a sus Variables de Control, y colapsan en el Dominio de Incertidumbres de Carácter no Estocástico asociadas a aquellas. Aquí, son descritos los conceptos generales de una estrategia bio-inspirada referida como HiperHeurística, con un Método de Aprendizaje Sustentado en Razonamiento, y cuyo dominio se compone de un Conjunto de MetaHeurísticas MultiObjetivo del tipo PSO incorporando una forma híbrida, AFS (Artificial Fish School) que exhibe características aptas para ser integrada, y permite resolver problemas de convergencia observados por el autor en trabajos previos. Adicionalmente, se introduce la paralelización del algoritmo, reemplazando su formulación primigeniamente secuencial, utilizando la plataforma conocida como MPI (Message Passing Interface).


Palabras clave


HiperHeurísticas, MetaHeurísticas, Micro Generación Distribuida, Computación Paralela, Sistema de Distribución de Energía Eléctrica

Texto completo:

PDF

Referencias


G. Schweickardt, C. Casanova, & J. M. Giménez. “HiperHeurística Basada en Razonamiento con Dominio en MetaHeurísticas X-FPSO MultiObjetivo. Aplicación sobre una Optimización Dinámica Posibilística. Parte 1”. Revista EPIO Investigación Operativa, Nro. 34, pp. 8-29, Dic. 2013.

G. Schweickardt, C. Casanova, & J. M. Giménez. “HiperHeurística Basada en Razonamiento con Dominio en MetaHeurísticas X-FPSO MultiObjetivo. Aplicación sobre una Optimización Dinámica Posibilística. Parte 2”. Revista EPIO Investigación Operativa, Nro. 35, pp. 128-148, May. 2014.

G. Schweickardt. “MetaHeurísticas MultiObjetivo Cardumen de Peces Artificiales (FAFS) y Optimización Evolucionaria por Enjambre de Partículas con Topología Estocástica Global Individual (FEPSO GIST). Parte I: Antecedentes y Desarrollos Teóricos”. Lámpsakos, Nro. 12, pp. 13-22, Jul-Dic. 2014.

E. Burke, G. Kendall & E. Soubeiga. “A Tabu-Search Hyperheuristic for Timetabling and Rostering”. Journal of Heuristics, No 9, pp. 451-470. 2003.

E. Burke, J. Silva & E. Soubeiga. “Hyperheuristic Approaches for MultiObjective Optimisation”. The Fifth Metaheuristics International Conference, pp. 052-{1-6}. Kyoto, Japan, Aug. 2003.

E. Burke, G. Kendall, R. O’Brilen R., D. Redrup & E. Soubeiga. “An Ant Algorithm Hyperheuristic”. The Fifth Metaheuristics International Conference. Kyoto, pp. 052-{22-27}. Japan, Aug. 2003.

G. Schweickardt & V. Miranda. “Metaheuristica FEPSO Aplicada a Problemas de Optimización Combinatoria: Balance de Fases en Sistemas de Distribución Eléctrica”. Revista Ciencia Docencia y Tecnología, Nro. 40, pp. 133-163. May. 2010.

H. Kitano. “Designing Neural Networks using Genetic Algorithms with Graph Generation System”. Complex Systems, Nro. 4, pp. 461–476. 1990.

P. Cowling, G. Kendall & E. Soubeiga. “A Parameter-Free Hyperheuristic for Scheduling a Sales Summit”. In proceedings of 4th International Conference, Porto Portugal, pp. 127-131. Jul. 2001.

P. Cowling, G. Kendall & E. Soubeiga. “Hyperheuristic: A Robust Optimisation Method Applied to Nurse Scheduling”. Parallel Problem Solving from Nature VII, PPSN 2002, Granada, Spain, pp. 851-860. Sep. 2002.

P. Cowling, G. Kendall & E. Soubeiga. “A Tool for Rapid Prototyping in Scheduling and Optimisation”. Second European Conference on Evolutionary Computing for Combinatorial Optimisation, EvoCop 2002, Kinsale, Ireland, pp. 1-10, Apr. 2002.

P. Ross, S. Schulenburg S., J. Marín-Blázquez & E. Hart. “Hyper-heuristics: Learning to Combine Simple Heuristics in Bin-Packing Problems”. Genetic And Evolutionary Computation Conference (GECCO 2002), New York, pp. 3-12, Jul. 2002.

R. Bai & G. Kendall. “An Investigation of Automated Planograms Using a Simulated Annealing Based Hyper-Heuristic”. GECCO’06, pp. 234-241. Jul. 2006.

G. Beni & J. Wang. “Swarm Intelligence in Cellular Robotic Systems”. Proccedings NATO Advanced Workshop on Robots and Biological Systems, pp. 120-128. Jun. 1989.

X. LI, Z. Shao & J. Qian. “An Optimizing Method Based on Autonomous Animats: Fish-Swarm Algorithm”. Systems Engineering Theory and Practice, Vol. 22(11), pp. 32-38. 2002.

B.Widrow & M.Lehr. “30 Years of Adaptive Neural Networks: Perceptron, Madaline, and Backpropagation”. Proceedings of the IEEE, Vol. 78, issue 9, Sep. 1990..




DOI: https://doi.org/10.21501/21454086.3015

Enlaces refback

  • No hay ningún enlace refback.




Copyright (c) 2019 Lámpsakos

 
Directora/Editora - Ingrid Durley Torres Pardo

ISSN (En línea): 2145-4086

DOI de la revista: https://doi.org/10.21501/issn.2145-4086

Universidad Católica Luis Amigó - Transversal 51A #67B 90. Medellín - Colombia.

 


 © 2019 Universidad Católica Luis Amigó

    

La revista y los textos individuales que en esta se divulgan están protegidos por las leyes de copyright y por los términos y condiciones de la Licencia Creative Commons Atribución-No Comercial-Sin Derivar 4.0 Internacional. Permisos que vayan más allá de lo cubierto por esta licencia pueden encontrarse en http://www.funlam.edu.co/modules/fondoeditorial/

Derechos de autor. El autor o autores pueden tener derechos adicionales en sus artículos según lo establecido en la cesión por ellos firmada.

 

Se recomienda visualizar este contenido con los navegadores: Mozilla Firefox, Google Chrome, Safari.