Pantheon Repositorio Institucional
Recopila, preserva y difundi la producción académica digital en todas las áreas del conocimiento.
Comprende los activos del repositorio, además de tesis y disertaciones en la UFRJ, artículos científicos, libros electrónicos, capítulos de libros y trabajos presentados en eventos para los profesores, investigadores, personal administrativo y estudiantes de maestría y doctorado.
Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/11422/20933| Especie: | Trabalho de conclusão de graduação |
| Título : | Técnicas de computação evolutiva para problemas multi-objetivo aplicadas à geração de energia elétrica de fonte renovável |
| Autor(es)/Inventor(es): | Araújo Júnior, Ronald Albert de |
| Tutor: | Delgado, Carla Amor Divino Moreira |
| Tutor : | Marcelino, Carolina Gil |
| Resumen: | 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. |
| Materia: | Inteligência Artificial Otimização Multiobjetivo Usina hidrelétrica Eficiência Energética |
| Materia CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| Unidade de producción: | Instituto de Computação |
| Editor: | Universidade Federal do Rio de Janeiro |
| Fecha de publicación: | 24-abr-2023 |
| País de edición : | Brasil |
| Idioma de publicación: | por |
| Tipo de acceso : | Acesso Aberto |
| Aparece en las colecciones: | Ciência da Computação |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| RAAraujoJunior.pdf | 1.42 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.