Algoritmo evolução diferencial modificado aplicado ao problema do despacho econômico de carga

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Andrade, Gabriella Lopes
Orientador(a): Neto, João Plínio Juchem
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do Pampa
Programa de Pós-Graduação: Mestrado Acadêmico em Engenharia Elétrica
Departamento: Campus Alegrete
País: Brasil
Palavras-chave em Português:
Área do conhecimento CNPq:
Link de acesso: http://dspace.unipampa.edu.br:8080/jspui/handle/riu/3966
Resumo: Este trabalho propõe uma modificação do algoritmo Evolução Diferencial (ED) para solucionar o problema do Despacho Econômico de Carga (DE), no qual deseja-se encontrar o nível de geração de cada unidade geradora de energia termo elétrica que satisfaça a demanda total do sistema ao menor custo, satisfazendo as restrições do problema. O ED é um algoritmo baseado na teoria da seleção natural das espécies de Charles Darwin, onde os indivíduos mais aptos têm mais chances de sobreviver. No ED original têm-se uma população inicial composta de cada possível solução para o problema alvo. Essa população é evoluída através da aplicação dos operadores genéticos de mutação, cruzamento e seleção dos indivíduos a serem inseridos na nova população. A cada iteração do ED uma nova população é gerada, substituindo a antiga, que é descartada. Ao final da execução, o ED deve retornar a melhor solução encontrada. A modificação ao ED (ED M) nesta dissertação considera que, na etapa de seleção, o indivíduo mais apto substitua o antigo na população atual, ao invés de ser inserido na nova população. Para verificar o desempenho do EDM em relação ao ED original, solucionamos um conjunto de funções teste com o objetivo de obter o mínimo global e diferentes instâncias do DE. Ambos algoritmos se mostraram eficazes na minimização das três funções de menor dimensionalidade. Nossos resultados mostraram que o ED se mostrou mais eficaz que o EDM na minimização do conjunto de funções de teste de maior dimensionalidade, apresentando uma solução até 99,99% melhor. Entretanto, nenhum dos algoritmos conseguiu obter a solução ótima. Logo, neste caso é necessário executar um número maior de iterações para a convergência até a melhor solução. Na resolução do DE, o EDM se mostrou mais eficaz que o ED em todos os casos, encontrando uma solução até 10,22% melhor. Além disso, a redução do tempo de computação do EDM em relação ao ED foi de até 98,69%. Logo, confirmamos a eficiência da modificação proposta em relação à versão original do ED.