Implementación del algoritmo VNS-DEEPSO para el despacho de energía en redes distribuidas inteligentes

IF 0.3 Q4 ENGINEERING, MULTIDISCIPLINARY
Pedro Julián García-Guarín, Julián Cantor-López, Camilo Andrés Cortés-Guerrero, María Alejandra Guzmán-Pardo, S. Rivera
{"title":"Implementación del algoritmo VNS-DEEPSO para el despacho de energía en redes distribuidas inteligentes","authors":"Pedro Julián García-Guarín, Julián Cantor-López, Camilo Andrés Cortés-Guerrero, María Alejandra Guzmán-Pardo, S. Rivera","doi":"10.17981/INGECUC.15.1.2019.13","DOIUrl":null,"url":null,"abstract":"Introducción: Las redes eléctricas tradicionales están migrando a nuevas configuraciones de redes inteligentes, que traen retos operacionales y de planeación. Con miras a avanzar en estos retos se propone resolver un problema de optimización usando programación en elementos de redes distribuidas inteligentes. \nObjetivo: El problema de optimización consiste en administrar el despacho energético de una red inteligente para optimizar los recursos disponibles, considerando la incertidumbre de energías renovables, viajes planeados de vehículos eléctricos, el pronóstico de carga y los precios del mercado. \nMetodología: Se propuso utilizar un ensamble entre dos métodos heurísticos. El algoritmo VNS (Variable Neighborhood Search) y el DEEPSO (Differential Evolutionary Particle Swarm). \nResultados: El algoritmo VNS-DEEPSO fue evaluado en una competencia de “Smart Grids” con otros algoritmos con un valor de 18.21, siendo 7 % mejor que el segundo algoritmo clasificado en la competencia. \nConclusiones: El algoritmo VNS-DEEPSO fue ganador entre 9 algoritmos metaheurísticos que solucionaron el problema, este problema tenía un mayor incremento de dificultad debida a la incertidumbre generada por factores ambientales, pronóstico de carga, viajes en vehículos eléctricos y el mercado de precios. Acorde a los resultados, el algoritmo VNS-DEEPSO demostró ser el más eficiente en minimizar los costos operacionales y maximizar los ingresos de la red inteligente.","PeriodicalId":41463,"journal":{"name":"INGE CUC","volume":null,"pages":null},"PeriodicalIF":0.3000,"publicationDate":"2019-06-08","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"10","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"INGE CUC","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.17981/INGECUC.15.1.2019.13","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"ENGINEERING, MULTIDISCIPLINARY","Score":null,"Total":0}
引用次数: 10

Abstract

Introducción: Las redes eléctricas tradicionales están migrando a nuevas configuraciones de redes inteligentes, que traen retos operacionales y de planeación. Con miras a avanzar en estos retos se propone resolver un problema de optimización usando programación en elementos de redes distribuidas inteligentes. Objetivo: El problema de optimización consiste en administrar el despacho energético de una red inteligente para optimizar los recursos disponibles, considerando la incertidumbre de energías renovables, viajes planeados de vehículos eléctricos, el pronóstico de carga y los precios del mercado. Metodología: Se propuso utilizar un ensamble entre dos métodos heurísticos. El algoritmo VNS (Variable Neighborhood Search) y el DEEPSO (Differential Evolutionary Particle Swarm). Resultados: El algoritmo VNS-DEEPSO fue evaluado en una competencia de “Smart Grids” con otros algoritmos con un valor de 18.21, siendo 7 % mejor que el segundo algoritmo clasificado en la competencia. Conclusiones: El algoritmo VNS-DEEPSO fue ganador entre 9 algoritmos metaheurísticos que solucionaron el problema, este problema tenía un mayor incremento de dificultad debida a la incertidumbre generada por factores ambientales, pronóstico de carga, viajes en vehículos eléctricos y el mercado de precios. Acorde a los resultados, el algoritmo VNS-DEEPSO demostró ser el más eficiente en minimizar los costos operacionales y maximizar los ingresos de la red inteligente.
智能分布式电网能源调度VNS-DEEPSO算法的实现
简介:传统电网正在向新的智能电网配置迁移,这给运营和规划带来了挑战。为了解决这些挑战,提出了智能分布式网络元件编程的优化问题。目标:优化问题是在考虑可再生能源的不确定性、电动汽车的计划行程、负荷预测和市场价格的情况下,管理智能电网的能源调度以优化可用资源。方法:建议使用两种启发式方法之间的集合。VNS算法(变邻域搜索)和DEEPSO算法(微分进化粒子群)。结果:VNS-DEEPSO算法在“智能电网”竞赛中与其他算法进行了评价,评价值为18.21,比竞赛中排名第二的算法好7%。结论:VNS-DEEPSO算法在解决该问题的9种元启发式算法中胜出,该问题由于环境因素、负荷预测、电动汽车出行和价格市场的不确定性而难度增加。结果表明,VNS-DEEPSO算法在最小化运营成本和最大化智能电网收入方面是最有效的。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
INGE CUC
INGE CUC ENGINEERING, MULTIDISCIPLINARY-
自引率
50.00%
发文量
0
审稿时长
8 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信