Planejamento da expansão da transmissão: solução do modelo DC usando algoritmo genético e o fluxo de carga linearizado implementados na linguagem Python

Bibliographic Details
Main Author: Souza, Bruno Henrique Santiago de
Publication Date: 2022
Other Authors: Teles, Murilo Henrique de Lima
Format: Bachelor thesis
Language: por
Source: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
Download full: http://repositorio.utfpr.edu.br/jspui/handle/1/32421
Summary: The study of Transmission Expansion Planning (TEP) is of great importance to meet the continuous growth in electricity demand. The objective of TEP using the DC model is to obtain the optimal long­term plan for the expansion of the transmission system in order to indicate where new transmission lines should be allocated. The objective of this work is to develop a computational tool in the Python programming language to solve the DC model TEP problem, using the genetic algorithm together with the linearized load flow optimization model, applied in the6­busGarversystem. The proposed methodology is carried out by applying the GA and the linearized load flow optimization model using specific Python libraries. One hundred iterations were performed, with one hundred generations and forty individuals, and with that, the final value of two hundred thousand dollars was obtained for the construction of seven new transmission lines. The results obtained showed that it is possible to use the proposed methodology to solve the problem of the PET model DC.
id UTFPR-12_e20bb2362250abdf3e2a2c591a1fc11f
oai_identifier_str oai:repositorio.utfpr.edu.br:1/32421
network_acronym_str UTFPR-12
network_name_str Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
repository_id_str
spelling Planejamento da expansão da transmissão: solução do modelo DC usando algoritmo genético e o fluxo de carga linearizado implementados na linguagem PythonTransmission expansion planning: solution of the DC model using genetic algorithm and linearized load flow implemented in the Python languageEnergia elétrica - TransmissãoEnergia elétrica - DistribuiçãoAlgorítmos computacionaisInteligência artificialElectric power transmissionElectric power distributionComputer algorithmsArtificial intelligenceCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAThe study of Transmission Expansion Planning (TEP) is of great importance to meet the continuous growth in electricity demand. The objective of TEP using the DC model is to obtain the optimal long­term plan for the expansion of the transmission system in order to indicate where new transmission lines should be allocated. The objective of this work is to develop a computational tool in the Python programming language to solve the DC model TEP problem, using the genetic algorithm together with the linearized load flow optimization model, applied in the6­busGarversystem. The proposed methodology is carried out by applying the GA and the linearized load flow optimization model using specific Python libraries. One hundred iterations were performed, with one hundred generations and forty individuals, and with that, the final value of two hundred thousand dollars was obtained for the construction of seven new transmission lines. The results obtained showed that it is possible to use the proposed methodology to solve the problem of the PET model DC.O estudo do Planejamento da Expansão da Transmissão (PET) é de grande importância para atender o contínuo crescimento da demanda de energia elétrica. O objetivo do PET utilizando o modelo DC é obter o plano ótimo a longo prazo da expansão do sistema de transmissão visando indicar onde deverão ser alocados novas linhas de transmissão. O objetivo deste trabalho é desenvolver uma ferramenta computacional na linguagem de programação Python para resolver o problema do PET modelo DC, utilizando o algoritmo genético (AG)em conjunto com o modelo de otimização do fluxo de carga linearizado, aplicado no sistema Garver de 6 barras. A metodologia proposta é realizada através da aplicação do AG e do modelo de otimização do fluxo de carga linearizado utilizando bibliotecas específicas do Python. Foram executadas 100 iterações, com 100 gerações e 40 indivíduos, e com isso obteve-se o valor final de 200 mil dólares para a construção de 7 novas linhas de transmissão. Os resultados obtidos demonstraram que é possível utilizar a metodologia proposta para resolver o problema do PET modelo DC.Universidade Tecnológica Federal do ParanáMedianeiraBrasilEngenharia ElétricaUTFPRFlórez, Hugo Andrés RuizFlórez, Hugo Andrés RuizOliveira, Cristiane Lionço deKonopatzki, Evandro AndréSouza, Bruno Henrique Santiago deTeles, Murilo Henrique de Lima2023-09-19T15:43:58Z2023-09-19T15:43:58Z2022-05-06info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfSOUZA, Bruno Henrique Santiago de; TELES, Murilo Henrique de Lima. Planejamento da expansão da transmissão: solução do modelo DC usando algoritmo genético e o fluxo de carga linearizado implementados na linguagem Python. 2023. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Elétrica) - Universidade Tecnológica Federal do Paraná, Medianeira, 2022.http://repositorio.utfpr.edu.br/jspui/handle/1/32421porhttp://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPR2023-09-21T06:06:50Zoai:repositorio.utfpr.edu.br:1/32421Repositório InstitucionalPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestriut@utfpr.edu.br || sibi@utfpr.edu.bropendoar:2023-09-21T06:06:50Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false
dc.title.none.fl_str_mv Planejamento da expansão da transmissão: solução do modelo DC usando algoritmo genético e o fluxo de carga linearizado implementados na linguagem Python
Transmission expansion planning: solution of the DC model using genetic algorithm and linearized load flow implemented in the Python language
title Planejamento da expansão da transmissão: solução do modelo DC usando algoritmo genético e o fluxo de carga linearizado implementados na linguagem Python
spellingShingle Planejamento da expansão da transmissão: solução do modelo DC usando algoritmo genético e o fluxo de carga linearizado implementados na linguagem Python
Souza, Bruno Henrique Santiago de
Energia elétrica - Transmissão
Energia elétrica - Distribuição
Algorítmos computacionais
Inteligência artificial
Electric power transmission
Electric power distribution
Computer algorithms
Artificial intelligence
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
title_short Planejamento da expansão da transmissão: solução do modelo DC usando algoritmo genético e o fluxo de carga linearizado implementados na linguagem Python
title_full Planejamento da expansão da transmissão: solução do modelo DC usando algoritmo genético e o fluxo de carga linearizado implementados na linguagem Python
title_fullStr Planejamento da expansão da transmissão: solução do modelo DC usando algoritmo genético e o fluxo de carga linearizado implementados na linguagem Python
title_full_unstemmed Planejamento da expansão da transmissão: solução do modelo DC usando algoritmo genético e o fluxo de carga linearizado implementados na linguagem Python
title_sort Planejamento da expansão da transmissão: solução do modelo DC usando algoritmo genético e o fluxo de carga linearizado implementados na linguagem Python
author Souza, Bruno Henrique Santiago de
author_facet Souza, Bruno Henrique Santiago de
Teles, Murilo Henrique de Lima
author_role author
author2 Teles, Murilo Henrique de Lima
author2_role author
dc.contributor.none.fl_str_mv Flórez, Hugo Andrés Ruiz
Flórez, Hugo Andrés Ruiz
Oliveira, Cristiane Lionço de
Konopatzki, Evandro André
dc.contributor.author.fl_str_mv Souza, Bruno Henrique Santiago de
Teles, Murilo Henrique de Lima
dc.subject.por.fl_str_mv Energia elétrica - Transmissão
Energia elétrica - Distribuição
Algorítmos computacionais
Inteligência artificial
Electric power transmission
Electric power distribution
Computer algorithms
Artificial intelligence
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
topic Energia elétrica - Transmissão
Energia elétrica - Distribuição
Algorítmos computacionais
Inteligência artificial
Electric power transmission
Electric power distribution
Computer algorithms
Artificial intelligence
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
description The study of Transmission Expansion Planning (TEP) is of great importance to meet the continuous growth in electricity demand. The objective of TEP using the DC model is to obtain the optimal long­term plan for the expansion of the transmission system in order to indicate where new transmission lines should be allocated. The objective of this work is to develop a computational tool in the Python programming language to solve the DC model TEP problem, using the genetic algorithm together with the linearized load flow optimization model, applied in the6­busGarversystem. The proposed methodology is carried out by applying the GA and the linearized load flow optimization model using specific Python libraries. One hundred iterations were performed, with one hundred generations and forty individuals, and with that, the final value of two hundred thousand dollars was obtained for the construction of seven new transmission lines. The results obtained showed that it is possible to use the proposed methodology to solve the problem of the PET model DC.
publishDate 2022
dc.date.none.fl_str_mv 2022-05-06
2023-09-19T15:43:58Z
2023-09-19T15:43:58Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv SOUZA, Bruno Henrique Santiago de; TELES, Murilo Henrique de Lima. Planejamento da expansão da transmissão: solução do modelo DC usando algoritmo genético e o fluxo de carga linearizado implementados na linguagem Python. 2023. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Elétrica) - Universidade Tecnológica Federal do Paraná, Medianeira, 2022.
http://repositorio.utfpr.edu.br/jspui/handle/1/32421
identifier_str_mv SOUZA, Bruno Henrique Santiago de; TELES, Murilo Henrique de Lima. Planejamento da expansão da transmissão: solução do modelo DC usando algoritmo genético e o fluxo de carga linearizado implementados na linguagem Python. 2023. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Elétrica) - Universidade Tecnológica Federal do Paraná, Medianeira, 2022.
url http://repositorio.utfpr.edu.br/jspui/handle/1/32421
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Tecnológica Federal do Paraná
Medianeira
Brasil
Engenharia Elétrica
UTFPR
publisher.none.fl_str_mv Universidade Tecnológica Federal do Paraná
Medianeira
Brasil
Engenharia Elétrica
UTFPR
dc.source.none.fl_str_mv reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
instname:Universidade Tecnológica Federal do Paraná (UTFPR)
instacron:UTFPR
instname_str Universidade Tecnológica Federal do Paraná (UTFPR)
instacron_str UTFPR
institution UTFPR
reponame_str Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
collection Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
repository.name.fl_str_mv Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)
repository.mail.fl_str_mv riut@utfpr.edu.br || sibi@utfpr.edu.br
_version_ 1850497820156493824

Similar Items