Análise de Desempenho de Metaheurísticas Aplicadas ao Problema de Restauração de Redes de Distribuição
Resumo
Uma das características das Smart Grid é a restauração da rede elétrica, para isso são utilizadas metaheurísticas para encontrar a melhor configuração temporária após ocorrer uma falta. Impulsionado pela característica probabilística das metaheurísticas, este artigo visa realizar uma análise comparativa entre quatro metaheurísticas aplicadas ao problema de restauração, utilizando a representação nó-profundidade como estrutura de dados para representar a rede elétrica.
Referências
Augugliaro, A., Dusonchet, L., and Sanseverino, E. R. (2000). Multiobjective service restoration in distribution networks using an evolutionary approach and fuzzy sets. International Journal of Electrical Power & Energy Systems, 22(2):103–110.
Back, T., Hoffmeister, F., and Schwefel, H.-P. (1991). A survey of evolution strategies. In Proceedings of the fourth international conference on genetic algorithms, volume 2. Morgan Kaufmann Publishers San Mateo, CA.
Beyer, H.-G. and Schwefel, H.-P. (2002). Evolution strategies–a comprehensive introduction. Natural computing, 1(1):3–52.
Cabello, A. F. (2012). Redes elétricas inteligentes no brasil: a necessidade de uma avaliação adequada de custos e benefícios.
Delbem, A., Bretas, N., and De Carvalho, A. (1998). Energy restoration in distribution systems using search with fuzzy heuristics. INT J ENG INTELL SYST ELECTIC ENG COMMUN, 6(4):201–205.
Gendreau, M., Potvin, J.-Y., et al. (2010). Handbook of metaheuristics, volume 2. Springer.
Glover, F. (1989). Tabu search—part i. ORSA Journal on computing, 1(3):190–206.
Karaboga, D. (2005). An idea based on honey bee swarm for numerical optimization. Technical report, Technical report-tr06, Erciyes university, engineering faculty, computer engineering department.
Kwong, S., Chan, T.-M., Man, K.-F., and Chong, H. (2002). The use of multiple objective genetic algorithm in self-healing network. Applied Soft Computing, 2(2):104–128.
Mansour, M. R. (2009). Algoritmo para obtenção de planos de restabelecimento para sistemas de distribuição de grande porte. PhD thesis, Universidade de São Paulo.
Mantovani, J. R., Casari, F., and Romero, R. A. (2000). Reconfiguração de sistemas de distribuição radiais utilizando o critério de queda de tensão. Controle and Automacao, pages 150–159.
Marques, L. T. (2013). Restabelecimento de energia por reconfiguração de redes em sistemas de distribuição de grande porte com priorização de chaves, consumidores e definição de sequˆencia de chaveamento. PhD thesis, Universidade de São Paulo.
Sanches, D., JR Mazucato, S., Castoldi, M., Delbem, A., and London, J. (2013). Algoritmo evolutivo multi-objetivo baseado em tabelas de subpopulações de soluções não dominadas e forc¸a de pareto para tratar do problema de restabelecimento de energia em sistemas de distribuição. pages 1–6.
Sanches, D., Mansour, M., London, J., Delbem, A., and Santos, A. (2011). Integrating relevant aspects of moeas to solve loss reduction problem in large-scale distribution systems. In 2011 IEEE Trondheim PowerTech, pages 1–6. IEEE.
Sanches, D. S. (2012). Algoritmos evolutivos multi-objetivo para reconfiguração de redes em sistemas de distribuição de energia elétrica. PhD thesis, Universidade de São Paulo.
Santos, A. C. d. (2009). Algoritmo evolutivo computacionalmente eficiente para reconfiguração de sistemas de distribuição. PhD thesis, Universidade de São Paulo.
Shukran, M. A. M., Chung, Y. Y., Yeh, W.-C., Wahid, N., and Zaidi, A. M. A. (2011). Artificial bee colony based data mining algorithms for classification tasks. Modern Applied Science, 5(4):217.
Su, C.-T. and Lee, C.-S. (2003). Network reconfiguration of distribution systems using improved mixed-integer hybrid differential evolution. IEEE Transactions on Power Delivery, 18(3):1022–1027.
Talbi, E.-G. (2009). Metaheuristics: from design to implementation, volume 74. John Wiley & Sons.
Back, T., Hoffmeister, F., and Schwefel, H.-P. (1991). A survey of evolution strategies. In Proceedings of the fourth international conference on genetic algorithms, volume 2. Morgan Kaufmann Publishers San Mateo, CA.
Beyer, H.-G. and Schwefel, H.-P. (2002). Evolution strategies–a comprehensive introduction. Natural computing, 1(1):3–52.
Cabello, A. F. (2012). Redes elétricas inteligentes no brasil: a necessidade de uma avaliação adequada de custos e benefícios.
Delbem, A., Bretas, N., and De Carvalho, A. (1998). Energy restoration in distribution systems using search with fuzzy heuristics. INT J ENG INTELL SYST ELECTIC ENG COMMUN, 6(4):201–205.
Gendreau, M., Potvin, J.-Y., et al. (2010). Handbook of metaheuristics, volume 2. Springer.
Glover, F. (1989). Tabu search—part i. ORSA Journal on computing, 1(3):190–206.
Karaboga, D. (2005). An idea based on honey bee swarm for numerical optimization. Technical report, Technical report-tr06, Erciyes university, engineering faculty, computer engineering department.
Kwong, S., Chan, T.-M., Man, K.-F., and Chong, H. (2002). The use of multiple objective genetic algorithm in self-healing network. Applied Soft Computing, 2(2):104–128.
Mansour, M. R. (2009). Algoritmo para obtenção de planos de restabelecimento para sistemas de distribuição de grande porte. PhD thesis, Universidade de São Paulo.
Mantovani, J. R., Casari, F., and Romero, R. A. (2000). Reconfiguração de sistemas de distribuição radiais utilizando o critério de queda de tensão. Controle and Automacao, pages 150–159.
Marques, L. T. (2013). Restabelecimento de energia por reconfiguração de redes em sistemas de distribuição de grande porte com priorização de chaves, consumidores e definição de sequˆencia de chaveamento. PhD thesis, Universidade de São Paulo.
Sanches, D., JR Mazucato, S., Castoldi, M., Delbem, A., and London, J. (2013). Algoritmo evolutivo multi-objetivo baseado em tabelas de subpopulações de soluções não dominadas e forc¸a de pareto para tratar do problema de restabelecimento de energia em sistemas de distribuição. pages 1–6.
Sanches, D., Mansour, M., London, J., Delbem, A., and Santos, A. (2011). Integrating relevant aspects of moeas to solve loss reduction problem in large-scale distribution systems. In 2011 IEEE Trondheim PowerTech, pages 1–6. IEEE.
Sanches, D. S. (2012). Algoritmos evolutivos multi-objetivo para reconfiguração de redes em sistemas de distribuição de energia elétrica. PhD thesis, Universidade de São Paulo.
Santos, A. C. d. (2009). Algoritmo evolutivo computacionalmente eficiente para reconfiguração de sistemas de distribuição. PhD thesis, Universidade de São Paulo.
Shukran, M. A. M., Chung, Y. Y., Yeh, W.-C., Wahid, N., and Zaidi, A. M. A. (2011). Artificial bee colony based data mining algorithms for classification tasks. Modern Applied Science, 5(4):217.
Su, C.-T. and Lee, C.-S. (2003). Network reconfiguration of distribution systems using improved mixed-integer hybrid differential evolution. IEEE Transactions on Power Delivery, 18(3):1022–1027.
Talbi, E.-G. (2009). Metaheuristics: from design to implementation, volume 74. John Wiley & Sons.
Publicado
19/07/2019
Como Citar
BATISTA, Vitor; BEZERRA , Ubiratan; VIEIRA , Andrey.
Análise de Desempenho de Metaheurísticas Aplicadas ao Problema de Restauração de Redes de Distribuição. In: WORKSHOP BRASILEIRO DE CIDADES INTELIGENTES (WBCI), 2. , 2019, Belém.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2019
.
DOI: https://doi.org/10.5753/wbci.2019.6749.
