Economic power dispatch with non-smooth cost functions using differential evolution

Perez-Guerrero, R.E.; Cedeno-Maldonado, J.R.

doi:10.1109/naps.2005.1560522

Cited by 43 publications

(15 citation statements)

References 24 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Since inception, DE has been employed in various science and engineering problem domains-neural network training [15,28,50,51,63], optimization of mechanical design [38], aerodynamic shape optimization problem [43,56], power transmission expansion planning [62], and economic dispatch problems for nonsmooth objective functions [49,69]. In the same vein, PSO has been used in diverse application areasdynamic economic dispatch problems [12], quadratic assignment problems [24], pole shape optimization [10], and neural networks training [9,21,35].…”

Section: Introductionmentioning

confidence: 99%

Hybrid differential evolution and particle swarm optimization for optimal well placement

2012

View full text Add to dashboard Cite

There is no gainsaying that determining the optimal number, type, and location of hydrocarbon reservoir wells is a very important aspect of field development planning. The reason behind this fact is not farfetched—the objective of any field development exercise is to maximize the total hydrocarbon recovery, which for all intents and purposes, can be measured by an economic criterion such as the net present value of the reservoir during its estimated operational life-cycle. Since the cost of drilling and completion of wells can be significantly high (millions of dollars), there is need for some form of operational and economic justification of potential well configuration, so that the ultimate purpose of maximizing production and asset value is not defeated in the long run. The problem, however, is that well optimization problems are by no means trivial. Inherent drawbacks include the associated computational cost of evaluating the objective function, the high dimensionality of the search space, and the effects of a continuous range of geological uncertainty. In this paper, the differential evolution (DE) and the particle swarm optimization (PSO) algorithms are applied to well placement problems. The results emanating from both algorithms are compared with results obtained by applying a third algorithm called hybrid particle swarm differential evolution (HPSDE)—a product of the hybridization of DE and PSO algorithms. Three cases involving the placement of vertical wells in 2-D and 3-D reservoir models are considered. In two of the three cases, a max-mean objective robust optimization was performed to address geological uncertainty arising from the mismatch between real physical reservoir and the reservoir model. We demonstrate that the performance of DE and PSO algorithms is dependent on the total number of function evaluations performed; importantly, we show that in all cases, HPSDE algorithm outperforms both DE and PSO algorithms. Based on the evidence of these findings, we hold the view that hybridized metaheuristic optimization algorithms (such as HPSDE) are applicable in this problem domain and could be potentially useful in other reservoir engineering problems

show abstract

Section: Introductionmentioning

confidence: 99%

Hybrid differential evolution and particle swarm optimization for optimal well placement

2012

View full text Add to dashboard Cite

show abstract

“…[26] 123670,00 124145,60 124900,00 -CEP [12] 123488,29 124793,48 126902,89 -FEP [12] 122679,71 124119,37 127245,59 -MFEP [12] 122647,57 123489,74 124356,47 -IFEP [12] 122624,35 123382,00 125740,63 -PSO [16] 123930,45 124154,49 --PSO-SQP [16] 122094,67 122245,25 --DEvol [27] 121412,91 121430,00 121464,40 -HDE [17] 121813 …”

Section: B Resultados Para O Primeiro Estudo De Caso -13 Geradores Eunclassified

Buscas Harmônicas para o Problema do Despacho Econômico de Energia Elétrica

Siebeneichler¹,

Almeida²,

Gonçalves³

2015

Anais Do 12. Congresso Brasileiro De Inteligência Computacional

View full text Add to dashboard Cite

Resumo-Este trabalho investiga o desempenho de quatro variantes da técnica Busca Harmônica na solução do problema do Despacho Econômico de Energia Elétrica. A Busca Harmônica é uma metaheurística inspirada na forma que os músicos empregam para encontrar a melhor harmonia para suas composições e tem sido empregada com sucesso em diferentes problemas de otimização. As versões investigadas são: Busca Harmônica Canônica, Busca Harmônica Melhorada, Busca Harmônica Melhor Global e Busca Harmônica Melhor Global Auto-adaptativa. São utilizados sistemas de teste com 13 e 40 geradores e que consideram o efeito de ponto de válvula. As quatro diferentes Buscas Harmônicas são comparadas entre si e a melhor delas é comparada com algoritmos da literatura. A melhor Busca Harmônica investigada obtém bons resultados, sendo a heurística que encontra os menores custos de produção para todos os sistemas de teste considerados. I. INTRODUÇÃOAlguns problemas complexos de otimização não são passíveis de serem resolvidos por métodos exatos, geralmente pelo alto custo computacional decorrente.

show abstract

“…A Tabela 2 mostra que os algoritmos propostos obtiveram o melhor valor para o custo mínimo de combustível. O algoritmo ICIS [21] [35] 123670,00 124145,60 124900,00 -CEP [32] 123488,29 124793,48 126902,89 -FEP [32] 122679,71 124119,37 127245,59 -MFEP [32] 122647,57 123489,74 124356,47 -IFEP [32] 122624,35 123382,00 125740,63 -PSO [22] 123930,45 124154,49 --PSO-SQP [22] 122094,67 122245,25 --DEvol [36] 121412,91 121430,00 121464,40 -HDE [24] 121813,26 122705,66 --ST-HDE [24] 121698,51 122304,30 --DE [25] 121416,29 121422,72 121431,47 -CDEMD [20] 121423 Os bons resultados obtidos pela versão paralela estimulam o uso de CUDA em outros algoritmos evolucionários, como por exemplo, outras versões de ED adaptativa (SaDE, Probability Matching, Adaptive Pursuit e Multi-armed Bandit). Outra possibilidade de trabalho futuro é a utilização do algoritmo desenvolvido neste trabalho em outros problemas complexos, como a Predição da Estrutura de Proteínas.…”

Section: Comparação Com a Literaturaunclassified

Evolução Diferencial com ensemble de Operadores de Mutação em GPGPUs para o Despacho Econômico de Energia Elétrica

Czaikoski

Urio

Gonçalves

et al. 2016

RITA

View full text Add to dashboard Cite

de energia de uma usina termoelétrica. Após a aná-lise do algoritmo sequencial, neste trabalho, o PDEE será tratado com um algoritmo paralelo para GPGPUs em CUDA. O algoritmo proposto é uma Evolução Diferencial (ED) utilizando a técnica de ensemble de operadores de mutação. A ED é uma técnica estocástica de otimização baseada em população, desenvolvida para a otimização de valores reais enquanto o ensemble de operadores de mutação permite que várias configurações de parâmetros e estratégias possam ser utilizadas em cada etapa da evolução do algoritmo. Três instâncias de teste, considerando os efeitos de ponto de válvula, são adotadas para verificar a eficiência do método proposto. Os resultados obtidos são favoravelmente comparados com aqueles descritos na literatura da área em termos de qualidade das soluções obtidas. A versão paralela obteve speedups significativos mantendo a boa qualidade das soluções encontradas.Palavras-chave: computação evolucionária, ensemble de operadores de mutação, processamento paralelo.

show abstract

Economic power dispatch with non-smooth cost functions using differential evolution

Cited by 43 publications

References 24 publications

Hybrid differential evolution and particle swarm optimization for optimal well placement

Hybrid differential evolution and particle swarm optimization for optimal well placement

Buscas Harmônicas para o Problema do Despacho Econômico de Energia Elétrica

Evolução Diferencial com ensemble de Operadores de Mutação em GPGPUs para o Despacho Econômico de Energia Elétrica

Contact Info

Product

Resources

About