En este artículo se propone un enfoque eficiente para la reducción del esfuerzo computacional asociado a la solución del problema de planeamiento de la expansión de redes de transmisión de energía eléctrica. Este enfoque utiliza un método de punto interior no lineal para iniciar la población de un algoritmo genético que resuelve de manera iterativa el problema de inversión. Desde el inicio de la solución, las configuraciones generadas son de alta calidad y se encuentran localizadas en puntos estratégicos del espacio solución de modo que pueden Disposition: form-data; name="art_resumen" En este artículo se propone un enfoque eficiente para la reducción del esfuerzo computacional asociado a la solución del problema de planeamiento de la expansión de redes de transmisión de energía eléctrica. Este enfoque utiliza un método de punto interior no lineal para iniciar la población de un algoritmo genético que resuelve de manera iterativa el problema de inversión. Desde el inicio de la solución, las configuraciones generadas son de alta calidad y se encuentran localizadas en puntos estratégicos del espacio solución de modo que pueden evolucionar hacia regiones óptimas. El plan de inversión del algoritmo genético se evaluó para el sistema de transmisión a través de un método de punto interior lineal. El enfoque propuesto se puso a prueba con los sistemas IEEE de 6 y 24 nodos y con el sistema sur-brasilero de 46 nodos. Se obtuvo un excelente desempeño del algoritmo genético para estos sistemas y se requirió un menor esfuerzo computacional para la solución del problema.
In this paper, an efficient approach is proposed for the reduction of the computational effort associated to the solution of the electric power transmission-network expansion planning problem. This approach makes use of a non-linear interior-point method to start the population of a genetic algorithm that iteratively solves the problem of investment. From the beginning of the solution, the generated configurations are of high quality and are located at strategic points of the solution space so that they can evolve towards optimal regions. The investment plan for the genetic algorithm was evaluated on a transmission system through a linear interior-point method. The proposed approach was tested on 6 and 24-bus IEEE systems and on the South Brazilian 46-bus system. An excellent performance of the genetic algorithm was obtained for these systems and a lesser computational effort was required for the solution of the problem.
© 2001-2025 Fundación Dialnet · Todos los derechos reservados