Planejamento da expansão de sistemas de transmissão de energia elétrica

Principia

Endereço:
Rua José Lourenço Kelmer s/n - Pró-Reitoria de Pesquisa - Campus Universitário - São Pedro
Juiz de Fora / MG
36036900
Site: https://principia.ufjf.emnuvens.com.br/principia/index
Telefone: (32) 2102-3759
ISSN: 1518-2983
Editor Chefe: Profa. Dra. Mônica Ribeiro de Oliveira
Início Publicação: 01/10/1994
Periodicidade: Anual
Área de Estudo: Multidisciplinar

Planejamento da expansão de sistemas de transmissão de energia elétrica

Ano: 2007 | Volume: 11 | Número: 1
Autores: Welton Verly, Edimar José de Oliveira
Autor Correspondente: Welton Verly | [email protected]

Palavras-chave: Algoritmo Genético, Crossover, Mutação, Reprodução, Método Heurístico Construtivo, Genetic Algorithm, Crossover, Mutation, Reproduction, Constructive Heuristical Method

Resumos Cadastrados

Resumo Português:

 Este artigo apresenta o uso combinado das metodologias heurísticas e metaheurísticas para a solução do problema de planejamento da expansão de sistemas de transmissão de energia elétrica. A natureza discreta do problema faz com que existam inúmeras possibilidades de investimento e um grande espaço de busca. Desta forma, a metodologia proposta utiliza um algoritmo heurístico construtivo para gerar o conjunto de dados iniciais para aplicação do Algoritmo Genético (AG). Neste sentido, pretende-se reduzir o espaço de busca, encontrando soluções de boa qualidade com menor tempo computacional. Os resultados obtidos são comparados com outras metodologias encontradas na literatura, utilizando-se sistemas equivalentes reais.
 



Resumo Inglês:

 Transmission Systems Expansion Planning. This article presents the agreed use of the heuristic and meta-heuristic methodologies to solute the problem of expansion planning of electrical transmission systems. The discrete nature of the problem allows innumerable investments possibilities and a large search space. Therefore, the proposed methodology uses a constructive heuristic algorithm to generate the initial data set of the Genetic Algorithm (GAC). In this sense, tries to reduce the search space to obtain good quality solutions with a lower computational time. The obtained results are compared with other methodologies in literature that uses real equivalent systems.