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

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.

Smart Microgrids Operation Considering a Variable Neighborhood Search: The Differential Evolutionary Particle Swarm Optimization Algorithm

“…The mutation rate, communication probability and local search probability of DEEPSO presented few significant improvements, therefore their values were taken by default respectively as 0.8, 0.8 and 0.1; in contrast, the criteria presented in Section 5 showed improved algorithm performance. In addition, we take advantage of the features of VNS, because no population size and mutation ratio are required [26,27]. Regarding computation time, there is a significant restriction of a maximum of 50,000 evaluations of the objective function.…”

“…Metaheuristics include a variety of strategies such as genetic algorithms, particle swarm, taboo search, swarm intelligence, scattered search, and trajectory re-chaining, among others [6,27]. In this study, the two techniques that produced the best results in the formulated problem were chosen.…”

Uncertainty Costs Optimization of Residential Solar Generators Considering Intraday Markets

“…Once the uncertainty costs (UCs) are estimated, UCs due to deviations in the energy dispatch of the MG are evaluated [8]. The solution strategy uses the variable neighbourhood searchdifferential evolutionary particle swarm optimization (VNS-DEEPSO) algorithm in two stages: the first one optimizes the economic benefits of the MG, and the second one optimizes the IMs [17]. This algorithm was selected due to its high performance in smart MG optimization problems [18].…”

Diseño e implementación de una aplicación Android para el monitoreo y toma de decisiones de una edificación inteligente

“…La reducción de los efectos sobre el medioambiente es una necesidad impostergable, para enfrentar el cambio climático y el incremento acelerado del consumo energético para alcanzar un desarrollo sostenible [1], [2]. El acelerado desarrollo e innovación de las tecnologías de monitoreo representa una alternativa para reducir el consumo de energía [3], [4], [5].…”