Despacho Económico de Unidades Térmicas con Funciones Lineales de Costo utilizando el Algoritmo de la Luciérnaga

##plugins.themes.bootstrap3.article.main##

José Antonio Oscullo

Santiago Pilaquinga


Palabras clave:
Power generation dispatch, thermal units, firefly algorithm, heuristic algorithms, swarm intelligence Despacho de generación, unidades térmicas, algoritmo de libélula, algoritmos heurísticos, inteligencia de enjambre

Resumen

Este artículo muestra el despacho de las unidades térmicas presentes en un sistema hidrotérmico por medio del uso del algoritmo de optimización que utiliza la inteligencia de las luciérnagas. Si bien el problema de despacho de las unidades térmicas ha sido tratado en otros trabajos, en el presente estudio se considera como función objetivo del despacho de las unidades térmicas mediante su costo de producción lineal con la consideración de restricciones binarias. El algoritmo de las luciérnagas ha probado tener una alta capacidad de optimización para determinar un punto óptimo en base a características de comportamiento de la naturaleza como los algoritmos genéticos, más se diferencia por la capacidad de ajustes pequeños cerca de la solución. El algoritmo de la luciérnaga se constituye en una herramienta heurística adicional para resolver este tipo de problemas de los métodos clásicos. Mediante la representación de un enjambre de luciérnagas cuya función objetivo es determinar la mayor intensidad luminosa en el punto de éste permite modificar la velocidad de convergencia siendo más rápida mientras más lejos esté de la solución. La metodología propuesta se implementa en Matlab y para mostrar su capacidad se la aplica al Sistema Nacional Interconectado (SNI) determinando el despacho económico de las unidades térmicas para días laborables, fines de semana y feriados.

Descargas

Descargas

Los datos de descargas todavía no están disponibles.




Detalles del artículo

Biografía del autor/a

José Antonio Oscullo, Escuela Politécnica Nacional, Facultad de Ingeniería Eléctrica y Electrónica, Quito, Ecuador

Facultad de Ingeniería Eléctrica y Electrónica

Departamento de Energía Eléctrica

Profesor Agregado 1

2976300 ext. 2358

Citas

Apostolopoulos, T., y Vlachos, A. (2011). Application of the Firefly Algorithm for Solving the Economic Emissions Load Dispatch Problem, International Journal Combination, vol. 2011, pp. 1–23. https://doi.org/10.1155/2011/523806

Azad, A. (2011). Optimum Design of Structures Using an Improved Firefly Algorithm, International Journal Optimization Civil Engineering, vol. 1(2), pp. 327–340.

Banabeau, E., Dorigo, M., y Theraulaz, G. (1999). Swarm Intelligence from Natural to Artificial Systems, 1st ed. New York: Oxford University Press.

Basu, B., y Mahanti, G. (2011). Firefly and Artificial Bees Colony Algorithm for Synthesis of Scanned and Broadside Linear Array Antenna, Prog. Electromagn. Res. B, vol. 32, no. July, pp. 169–190. doi:10.2528/PIERB11053108

Bin Mo, Ma, Y., y Zheng, Q. (2013). Optimal Choice of Parameters for Firefly Algorithm, Proceedings - 2013 4th Int. Conf. Digit. Manuf. Autom. ICDMA 2013, pp. 887–892.

Conejo, A., Carrión, M., y Morales, J. (2010). Decision Making Under Uncertainty in Electricity Markets, 1st ed. New York: Springer Science.

Kennedy, J., y Eberhart, R. (2001). Swarm Intelligence, 1st ed. San Francisco: Academic Press.

Lukasik, S., y Zak, S. (2009). Firefly algorithm for continuous constrained optimization tasks, Proceedings International Conference Computation Intelligence (ICCCI ’09), vol. 5796, pp. 97–106.

Operador Nacional de Electricidad (n.d.). Información sobre la operación del SNI, Obtenido de: http://www.cenace.org.ec (octubre, 2018).

PSR (n.d.) Manual del Programador NCP, disponible: https://www.psr-inc.com (octubre, 2018).

Swarnkar, K. (2012). Economic Load Dispatch Problem with Reduce Power Losses using Firefly Algorithm, Journal Advanced Computation Sci. Nad Technol., pp. 42–56.

Waqar, A., Nawaf, M., Surafel, L., y Jean, M. (2016). A Review and Comparative Study of Firefly Algorithm and its Modified Versions, Optimization Algorithms-Methods and Applications, B. Ozgur, Ed. InTech, p. 35.

Wood, A., y Wollenberg, B. (1996). Power Generation, Operation and Control, Second., vol. 37. Canada: John Wiley & Sons, Inc.

Yang, X. (2014). Firefly Algorithms, 1st Ed. London: Elsiever.

Yang, X. (2009). Firefly Algorithms for Multimodal Optimization, Stoch. Algorithms Found. Appl., vol. 5792, no. March 2010, pp. 169–178.

Yang, X. (2010). Nature-Inspired Metaheuristic Algorithms Second Edition, 2nd Ed. United Kingdom: Luniver Press.