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

doi:10.21501/21454086.3015

Autores/as

Gustavo Alejandro Schweickardt Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET) -Universidad Tecnológica Nacional, Concepción del Uruguay http://orcid.org/0000-0002-0843-2946

DOI:

https://doi.org/10.21501/21454086.3015

Palabras clave:

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

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).

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Gustavo Alejandro Schweickardt, Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET) -Universidad Tecnológica Nacional, Concepción del Uruguay

Gustavo Schweickardt nació en Buenos Aires, el 5 de Julio de 1963. Obtuvo el grado de Ingeniero Eléctrico, por la Universidad Tecnológica Nacional, Argentina, con honores (1990), el grado de Master en Economía y Política Energético Ambiental, por la Universidad Nacional del Comahue, Argentina, con honores (2005), y el grado de Doctor en Ingeniería/Economía Energética, por la Universidad Nacional de San Juan, Argentina/INESC Porto, Portugal (Beca FOMEC), con honores (2002/2003). Se tituló como especialista en Economía Energética en el Instituto de Economía Energética de la Fundación Bariloche, Centro Atómico Bariloche, por la Universidad Nacional del Comahue (1997) (Beca CEB), con honores, y como Especialista en Evaluación de Impactos Ambientales por el Programa Ambiente Economía y Sociedad (2007), con honores. Es, además, posgraduado en Ingeniería del Software, por el Instituto Tecnológico de Buenos Aires, Argentina (1999).

Se dedicó a la actividad profesional en distintas empresas, desarrollando tecnologías software para simulación y optimización de Sistemas Energéticos, durante más de 14 años. Especializándose en Ingeniería del Software, con orientación a las Técnicas de Inteligencia Artificial-Soft Computing.

Realizó múltiples cursos de posgrado en diferentes temáticas complementarias. Es profesor titular universitario de grado, y profesor de posgrado desde 1995, en universidades argentinas y del exterior. Desde 1999, es Profesor en invitado en la Maestría de Economía y Política Energético Ambiental en el Instituto de Economía Energética de la Fundación Bariloche, Centro Atómico Bariloche, Argentina.

En 2004 ingresó como Investigador Docente del Instituto de Energía Eléctrica de la Universidad de San Juan, Argentina. Recibió una beca financiada por el INESC Porto (Instituto de Ingeniería de Sistemas y Computadores de Porto), Portugal, para una estadía Posdoctoral, en el marco de la Economía de Computacional de Regulación de Redes Eléctricas y Mercados Energéticos.

Desde 2005 es Investigador Científico del Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET), Argentina, en el área de Economía, desempeñando sus actividades en el Instituto de Economía Energética asociado a la Fundación Bariloche, Centro Atómico Bariloche.

Es Investigador Docente con Categoría I o “A” (la más elevada), en Ciencias de la Ingeniería y Tecnología conforme el sistema de categorización argentino.

Ha escrito 8 libros sobre diferentes temáticas científico/técnicas, más de 60 artículos en revistas y congresos internacionales con referato. Ha dictado múltiples cursos, seminarios y conferencias en Argentina y en el exterior, y ha dirigido más de 25 proyectos de investigación nacionales e internacionales, tanto en la actividad privada, como Director de Investigación y Desarrollo de la empresa de Tecnología AXÓN S.A e INVAP (contratado) de Bariloche, Argentina, como en el ámbito académico-científico. Ha dirigido 7 tesis doctorales finalizadas y 4 de maestría. Actualmente es director de 5 tesistas doctorales.

Sus actuales Intereses de Investigación se centran en la Desregulación y Reestructuración de Mercados de Generación, Transmisión y Distribución Eléctrica; Generación Distribuida, Sistemas Difusos y Técnicas de Computación Inteligente aplicados a la Planificación y Control de Sistemas de Potencia; Optimización Soft-Computing en Sistemas Complejos, la Valoración Económica de la Calidad Ambiental y la Penetración de Fuentes Primarias de Energía Renovable en Sistemas Energéticos.

Actualmente desempeña sus funciones en la Universidad Tecnológica Nacional, Facultad Regional Concepción del Uruguay, Provincia de Entre Ríos, Argentina, en donde es Profesor Titular de la Cátedra Inteligencia Artificial, en el último año de la carrera de grado Ingeniería en Sistemas de Información, Profesor de posgrado en la Maestría en Sistemas de Información y en la Maestría en Energías Renovables, y es Director del Grupo de Investigación sobre Economía Computacional de Regulación de Redes y Energías Renovables.

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..