Pantheon Institutional repository
Collect, preserve and disseminate digital academic production in all areas of knowledge.
Comprise the assets of the repository, in addition to theses and dissertations at UFRJ, scientific articles, electronic books, book chapters and papers presented at events for teachers, researchers, administrative staff and students of master's and doctoral degrees.
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11422/20933| Type: | Trabalho de conclusão de graduação |
| Title: | Técnicas de computação evolutiva para problemas multi-objetivo aplicadas à geração de energia elétrica de fonte renovável |
| Author(s)/Inventor(s): | Araújo Júnior, Ronald Albert de |
| Advisor: | Delgado, Carla Amor Divino Moreira |
| Co-advisor: | Marcelino, Carolina Gil |
| Abstract: | A maior parte da energia elétrica brasileira é proveniente de fonte renovável via usinas hidrelétricas. O funcionamento de tais usinas pode ser modelado como um problema de otimização multiobjetivo, tal que sejam maximizados a geração de energia, o nível de água nos reservatórios e de forma que o fluxo de água seja minimamente alterado após o processo de otimização. Neste contexto, o trabalho se propõe a estudar o desempenho de diferentes meta-heurísticas evolutivas aplicadas ao problema de despacho elétrico em usinas em modo cascata (ao menos duas plantas no leito de um rio). Meta-heurísticas evolutivas tem como base para a busca de soluções otimizadas operadores inspirados em mecanismos da natureza, como: seleção natural, recombinação e mutação. O trabalho tem foco especial no algoritmo Multi-objective Evolutionary Swarm Hybridization-MESH, proposto em (OLIVEIRA, 2019) no qual foi aplicado a problemas com dois objetivos conflitantes. Experimentos preliminares no decorrer deste trabalho indicam que o MESH se mostra competitivo quando comparado à meta-heurísticas evolutivas standard: o Multiobjective Evolutionary Algorithm Based on Decomposition - MOEA/D (ZHANG; LI, 2007) e versões de Non-dominated Sorting Genetic Algorithm - NSGA (DEB et al., 2002a) e (DEB; JAIN, 2014). As simulações utilizaram um conjunto de problemas de benchmark conhecido, levando em conta três objetivos conflitantes. Além disso, o algoritmo estudado apresenta resultados relevantes na solução do problema do despacho elétrico em um cenário generalista de usinas hidrelétricas em cascata. |
| Keywords: | Inteligência Artificial Otimização Multiobjetivo Usina hidrelétrica Eficiência Energética |
| Subject CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| Production unit: | Instituto de Computação |
| Publisher: | Universidade Federal do Rio de Janeiro |
| Issue Date: | 24-Apr-2023 |
| Publisher country: | Brasil |
| Language: | por |
| Right access: | Acesso Aberto |
| Appears in Collections: | Ciência da Computação |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| RAAraujoJunior.pdf | 1.42 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.