Optimización Dinámica Posibilística de un Sistema de Distribución
Palabras clave:
Optimización, Enjambre de Partículas, Hiperheurísticas, Redes Neuronales Artificiales, Sistema de Distribución de Energía Eléctrica (es)Descargas
Optimización Dinámica Posibilística de un Sistema de Distribución mediante una Hiperheurística basada en Razonamiento con dominio en Metaheurísticas X-PSO Multi-Objetivo
En el presente trabajo se aplica una Hiperheurística que los autores han denominado HY X-FPSO CBR para la Optimización Dinámica Posibilística que se corresponde con la Planificación de Mediano/Corto Plazo de un Sistema de Distribución de Energía Eléctrica (SDEE). El problema a resolver, específicamente, es la definición/identificación del Espacio de Estados por los que el SDEE debe evolucionar, conociendo el número de etapas. Las mismas se corresponden con cada año del Período de Control Regulatorio. Se procede al Diseño y Entrenamiento de la Red Neuronal Artificial de Retropropagación, en la que se basa el mecanismo de Aprendizaje/Selección mediante el cual son aplicadas las formas X-FPSO, para cierta instancia de decisión, identificadas como dominio de la Hiperheurística propuesta. Se integran los resultados al Modelo de Optimización Posibilística y se procede a la simulación completa en un Estudio de Caso sobre un SDEE real. Se comparan los resultados que arroja la Hiperheurística propuesta, con el Espacio de Estados formado por inspección, en otras optimizaciones realizadas sobre el mismo SDEE.
Temática: Aplicaciones Industriales
Referencias
Funahashi K., Nakamura Y. (1993): “Approximation of Dynamical System by Continuous Time Recurrent Neural Networks”. Journal of Neural Networs, Nro. 6, pp. 801-806.
Hagan M., Demuth H., Beale M. (1996): ”Neural Network Design”. PWS Publishing Company. Boston, USA.
Hilera R., Martínez J. (1995): ”Redes Neuronales Artificiales. Fundamentos, Modelos y Aplicaciones”. Ra-ma Editorial. Madrid, España.
Lax P. (1997): “Linear Algebra”. Wiley Interscience: New York.
Saaty T. (1977): “A Scaling Method for Priorities in Hierarchical Structures”. Journal of Mathematical Psycology, 15, 234-281.
Schweickardt G., Miranda V. (2010): “Control Regulatorio de la Adaptación Económica en Sistemas de Distribución de Energía Eléctrica. Concepción de un Modelo Posibilístico desde un Paradigma Alternativo”. Libro de Resúmenes del Congreso ERABIO II - ENDIO XIII - XXI EPIO. Septiembre de 2010, Tandil, Argentina.
Simpson P. (1992): ”Foundations of Neural Networks”. Artificial Neural Networks. IEEE Press. New York.
Widrow B., Lehr M., (1990): “30 Years of Adaptive Neural Networks: Perceptron, Madaline, and Backpropagation”. Proceedings of the IEEE, Vol. 78, issue 9, September 1990.