Uma metaheurística iterated local search baseada em simulação para o escalonamento de bombas hidráulicas em redes de distribuição de água.

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Oliveira, Tiago da Conceição lattes
Orientador(a): Melo, Rafael Augusto de lattes
Banca de defesa: Melo, Rafael Augusto de lattes, Ribeiro, Celso da Cruz Carneiro lattes, Fernandes, Islame Felipe da Costa lattes
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal da Bahia
Programa de Pós-Graduação: Programa de Pós-Graduação em Ciência da Computação (PGCOMP) 
Departamento: Instituto de Computação - IC
País: Brasil
Palavras-chave em Português:
Área do conhecimento CNPq:
Link de acesso: https://repositorio.ufba.br/handle/ri/41370
Resumo: Em uma rede de distribuição de água, as bombas são responsáveis por até 90% da energia elétrica consumida. Uma vez que o valor cobrado pelo consumo de energia elétrica pode variar com o horário, o escalonamento das bombas em horários oportunos pode diminuir o custo com energia. Escalonamentos de bombas ótimos ou quase ótimos não são triviais dadas as restrições não lineares de uma rede de distribuição de água, as quais inserem o problema de escalonamento de bombas na classe de problemas NPdifícil. O problema de escalonamento de bombas consiste em obter o menor custo monetário operacional, garantindo que a água seja entregue a todos os pontos de demanda, respeitando as restrições físicas da rede de distribuição. Este trabalho propõe métodos heurísticos baseados em simulações, combinando-os em uma metaheurística Iterated Local Search (ILS) para o problema de escalonamento de bombas em redes de distribuição. Experimentos computacionais realizados mostraram que a proposta apresentada é bastante promissora, obtendo os melhores resultados utilizando a representação binária com as restrições apresentadas e quando comparada a outras representações de escalonamento os valores obtidos para a instância Vanzyl chegou a soluções que desviam em apenas 0,73% do melhor valor conhecido e em apenas 2,02% do melhor valor conhecido para a Richmond