Configuração de redes de distribuição através de algoritmos genéticos e tomada de decisão Fuzzy.

Kagan, Nelson

doi:10.11606/t.3.2017.tde-01082017-153155

Cited by 19 publications

(31 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…(Nara et alii, 1992) e (Miranda et alii, 1994) foram os precursores na aplicação de AGs para a resolução deste tipo de problema. (Kagan, 1999) aprofunda a utilização da técnica para aplicação em redes reais, utilizando conjuntos fuzzy para o tratamento de incertezas e aspectos subjetivos da tomada de decisão. Outro trabalho que determina a configuração de mínimas perdas, com demandas variáveis, é apresentado por (Cebrian, J. et alii, 2003), com critérios para variação das taxas de recombinação e mutação do AG.…”

Section: Introductionunclassified

“…Para a realização destas comparações, em termos de tempos de processamento e soluções encontradas, uma codificação eficiente é utilizada, baseada em blocos de carga (Kagan, N., 1999), que permite a avaliação de somente soluções radiais e conexas, diminuindo o espaço de soluções possíveis a serem pesquisadas e, conseqüentemente, aumentando a eficiência do algoritmo.…”

Section: Introductionunclassified

See 1 more Smart Citation

Algoritmos genéticos e variantes na solução de problemas de configuração de redes de distribuição

Bento

Kagan

2008

Sba Controle & Automação

View full text Add to dashboard Cite

RESUMOEste artigo apresenta uma metodologia para resolução de problemas de configuração de redes de distribuição, com aplicação à minimização de perdas elétricas. O método utiliza um Algoritmo Genético (AG) básico e algumas de suas variantes para seus operadores genéticos: Seleção, Cruzamento e Mutação. O emprego do AG possibilita a análise de redes reais, sem necessidade de simplificações ou aproximações, o que permite a obtenção de soluções otimizadas em tempos de execução compatíveis para aplicações em atividades de planejamento da expansão e da operação. As variantes do AG permitem melhorar a robustez dos resultados e reduzir os tempos de execução, compatíveis com a aplicação em redes de distribuição. A metodologia proposta é aplicada, inicialmente, a uma rede de distribuição hipotética, onde é conhecida a configuração de perdas mínimas. Diversas alternativas de parametrizações do AG são efetuadas, o que permite a comparação do desempenho de cada alternativa. As melhores alternativas são aplicadas na resolução de uma rede real, mostrando o grande potencial do modelo. PALAVRAS-CHAVE:Minimização de perdas elétricas em redes de distribuição, Otimização, Algoritmos Genéticos. ABSTRACTThis paper presents a methodology to evaluate the optimal configuration of radial electric power distribution systems. Network loss minimization is set as the main objective to demonstrate the potential in solving real problems. The proposed framework is based on genetic algorithms (GA), which makes possible the analysis of real sized networks. This allows for attaining optimized solutions in an affordable computation time, especially for expansion and operation planning applications. The method requires neither simplifications nor approximations to the original problem formulation, thus improving the quality of the obtained results. Basic (or canonical) GA and some variants are presented, highlighting main functional characteristics of each alternative and respective parameterization. The proposed methodology is first applied to a hypothetical network, in which the minimum losses configuration is known in advance. Several simulations make possible comparing the performance of each GA parameter. Finally, the best parameter settings are applied to a real sized network, illustrating the promising potential of this methodology.

show abstract

Section: Introductionunclassified

Algoritmos genéticos e variantes na solução de problemas de configuração de redes de distribuição

Bento

Kagan

2008

Sba Controle & Automação

View full text Add to dashboard Cite

show abstract

“…Com o crescimento populacional nas zonas urbanas nas últimas décadas, o consumo de energia elétrica tem aumentado significativamente, sendo necessário expandir as redes de distribuição. Essa expansão pode ser realizada de maneira planejada, definindo a topologia em que a rede irá operar no futuro, geralmente dentro de um horizonte de 5 a 10 anos [15].…”

Section: -Representação De Um Sistema De Distribuição Onde Sb é Um Bunclassified

Algoritmo evolutivo computacionalmente eficiente para reconfiguração de sistemas de distribuição

Santos¹

View full text Add to dashboard Cite

Tese de Doutorado apresentada à Escola de Engenharia de São Carlos da Universidade de São Paulo como parte dos requisitos para obtenção do título de Doutor em Engenharia Elétrica. À minha esposa, Kelly Martins Salvatierra dos Santos, pelo apoio, companheirismo, incentivo e por toda ajuda que me concedeu nesses longos anos. Augusto Cesar dos SantosOrientadorAos meus pais, Geraldo Clemente dos Santos e Teresa Ortega dos Santos, que mesmo à distância, sempre apoiaram o trabalho e não mediram esforços para conceder-me uma educação de qualidade.Ao professor Alexandre Cláudio Botazzo Delbem, pela competência com que me orientou no desenvolvimento desta tese e pelo tempo generosamente dedicado, transmitindo-me os melhores e mais úteis ensinamentos com paciência, lucidez e confiança, além das críticas construtivas. Agradeço também pelo incentivo e motivação à pesquisa e pela revisão de inúmeros textos científicos.Ao meu orientador, professor Newton Geraldo Bretas, pela visão acadêmica em geral e orientações. Pelas críticas construtivas e revisão de artigos científicos, sempre sugerindo uma nova maneira de apresentá-los. E por acreditar em mim no desenvolvimento desta tese. Energy Restoration in radial distribution systems usually involves the network reconfiguration to restore the electricity to the out-of-service areas. The main approaches for energy restoration in large-scale distribution systems have been the Evolutionary Algorithms (EAs). After a fault has been identified and isolated, the algorithm must find solutions that: 1) supply energy to the larger number of consumers, 2) reduce the number of switching operations, 3) respect operational constraints of the system, 4) reduce the amount of power losses, 5) generate exclusively radial configurations and 6) find solutions in real time. This work uses a new data structure, called Node-Depth Encoding (NDE), to manipulate graphs producing exclusively radial and connected configurations, and guaranteeing that all potential solutions generated by the algorithm satisfy items (1) and (5). Moreover, wepropose an EA using the NDE that is capable of finding adequate restoration plans in real time for large-scale distribution systems, with thousands of switches and buses.

show abstract

“…Para ilustrar esse procedimento proposto, considere o grafo da Figura 5.1(a) (Kagan, 1999), que representa um SDR formado por 8 alimentadores, 23 setores e 28 chaves, e no qual os nós, independentemente da cor, representam setores (a exceção dos nós raízes, ilustrados por retângulos, que representam barras em subestações), as arestas pontilhadas são chaves NAs, as arestas contínuas são chaves NFs, as arestas em azul correspondem a CCRs e as arestas em preto representam CCMs. Os setores encontram-se identificados por números em negrito, enquanto que as chaves encontram-se designadas por números em itálico.…”

Section: Priorização De Chaves Controladas Remotamente Na Obtenção Daunclassified

Restabelecimento de energia por reconfiguração de redes em sistemas de distribuição de grande porte com priorização de chaves, consumidores e definição de sequência de chaveamento

Marques¹

View full text Add to dashboard Cite

Configuração de redes de distribuição através de algoritmos genéticos e tomada de decisão Fuzzy.

Cited by 19 publications

References 0 publications

Algoritmos genéticos e variantes na solução de problemas de configuração de redes de distribuição

Algoritmos genéticos e variantes na solução de problemas de configuração de redes de distribuição

Algoritmo evolutivo computacionalmente eficiente para reconfiguração de sistemas de distribuição

Restabelecimento de energia por reconfiguração de redes em sistemas de distribuição de grande porte com priorização de chaves, consumidores e definição de sequência de chaveamento

Contact Info

Product

Resources

About