Optimización dinámica posibilística de un sistema de distribución mediante una hiperheurística basada en razonamiento con dominio en metaheurísticas x-pso multi-objetivo

Autores
Schweickardt, Gustavo Alejandro; Casanova Pietroboni, Carlos Antonio
Año de publicación
2015
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
En el presente trabajo se aplica una Hiperheurística que los autores han denominado HY X-FPSO CBR para la Optimización Dinámica Posibilística que se corresponde con la Planificación de Mediano/Corto Plazo de un Sistema de Distribución de Energía Eléctrica. El problema a resolver, específicamente, es la definición/identificación del Espacio de Estados por los que el Sistema de Distribución de Energía Eléctrica debe evolucionar, conociendo el número de etapas. Las mismas se corresponden con cada año del Período de Control Regulatorio. Se procede al Diseño y Entrenamiento de la Red Neuronal Artificial de Retropropagación, en la que se basa el mecanismo de Aprendizaje/Selección mediante el cual son aplicadas las formas X-FPSO, para cierta instancia de decisión, identificadas como dominio de la Hiperheurística propuesta. Se integran los resultados al Modelo de Optimización Posibilística y se procede a la simulación completa en un Estudio de Caso sobre un Sistema de Distribución de Energía Eléctrica real. Se comparan los resultados que arroja la Hiperheurística propuesta, con el Espacio de Estados formado por inspección, en otras optimizaciones realizadas sobre el mismo Sistema de Distribución de Energía Eléctrica.
In this work a Hyperheuristic HY X-PSO CBR, supporting a Possibilistc Dynamic Optimization corresponding to the Electric Distribution System Planning in the Mid/Short Term, is applied. The problem to solve is the definition/identification of States Space for the evolution of Electric Distribution System, knowing the number of stages, corresponding with each of years of Regulatory Control Period. The Artificial Backpropagation Neural Network, that support the Seleccion/Learning Method to choice, in certain decision instance, the X-FPSO form in Metaheuristics domain of proposed Hyperheuristic, is Designed and Trained. The results are used in a Dynamic Possibilistic Model on a real Electric Distribution System, as Study Case. The Hyperheuristic results and States Space defined by mean inspection for optimizations performed on the same real Electric Distribution System, are compared.
Fil: Schweickardt, Gustavo Alejandro. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería Electromecánica. Grupo de Investigación en Economía Computacional de Regulación de Redes y Energías Renovables; Argentina.
Fil: Casanova Pietroboni, Carlos Antonio. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería Electromecánica. Grupo de Investigación en Economía Computacional de Regulación de Redes y Energías Renovables; Argentina.
Fil: Schweickardt, Gustavo Alejandro. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.
Fil: Casanova Pietroboni, Carlos Antonio. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.
Peer Reviewed
Fuente
Energética (45), 83-93. (2015)
Materia
Optimización
Enjambre de partículas
HiperHeurísticas
Redes neuronales artificiales
Sistema de distribución de energía eléctrica
Optimization
Particles swarm
HyperHeuristics
Artificial neural networks
Electric distribution system
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2021-06-24T14:45:09Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/5281
Acceder
id RIAUTN_a065d3ff0cc15e7c67610fad9b398e31
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/5281
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Optimización dinámica posibilística de un sistema de distribución mediante una hiperheurística basada en razonamiento con dominio en metaheurísticas x-pso multi-objetivoDynamic optimization of a distribution system by a case based reasoning hyperheuristic with x-pso multi-objective domainSchweickardt, Gustavo AlejandroCasanova Pietroboni, Carlos AntonioOptimizaciónEnjambre de partículasHiperHeurísticasRedes neuronales artificialesSistema de distribución de energía eléctricaOptimizationParticles swarmHyperHeuristicsArtificial neural networksElectric distribution systemEn el presente trabajo se aplica una Hiperheurística que los autores han denominado HY X-FPSO CBR para la Optimización Dinámica Posibilística que se corresponde con la Planificación de Mediano/Corto Plazo de un Sistema de Distribución de Energía Eléctrica. El problema a resolver, específicamente, es la definición/identificación del Espacio de Estados por los que el Sistema de Distribución de Energía Eléctrica debe evolucionar, conociendo el número de etapas. Las mismas se corresponden con cada año del Período de Control Regulatorio. Se procede al Diseño y Entrenamiento de la Red Neuronal Artificial de Retropropagación, en la que se basa el mecanismo de Aprendizaje/Selección mediante el cual son aplicadas las formas X-FPSO, para cierta instancia de decisión, identificadas como dominio de la Hiperheurística propuesta. Se integran los resultados al Modelo de Optimización Posibilística y se procede a la simulación completa en un Estudio de Caso sobre un Sistema de Distribución de Energía Eléctrica real. Se comparan los resultados que arroja la Hiperheurística propuesta, con el Espacio de Estados formado por inspección, en otras optimizaciones realizadas sobre el mismo Sistema de Distribución de Energía Eléctrica.In this work a Hyperheuristic HY X-PSO CBR, supporting a Possibilistc Dynamic Optimization corresponding to the Electric Distribution System Planning in the Mid/Short Term, is applied. The problem to solve is the definition/identification of States Space for the evolution of Electric Distribution System, knowing the number of stages, corresponding with each of years of Regulatory Control Period. The Artificial Backpropagation Neural Network, that support the Seleccion/Learning Method to choice, in certain decision instance, the X-FPSO form in Metaheuristics domain of proposed Hyperheuristic, is Designed and Trained. The results are used in a Dynamic Possibilistic Model on a real Electric Distribution System, as Study Case. The Hyperheuristic results and States Space defined by mean inspection for optimizations performed on the same real Electric Distribution System, are compared.Fil: Schweickardt, Gustavo Alejandro. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería Electromecánica. Grupo de Investigación en Economía Computacional de Regulación de Redes y Energías Renovables; Argentina.Fil: Casanova Pietroboni, Carlos Antonio. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería Electromecánica. Grupo de Investigación en Economía Computacional de Regulación de Redes y Energías Renovables; Argentina.Fil: Schweickardt, Gustavo Alejandro. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.Fil: Casanova Pietroboni, Carlos Antonio. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.Peer Reviewed2021-06-24T14:45:09Z2021-06-24T14:45:09Z2015-06info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfEnergética (45): 83-93 (2015)0120- 9833https://revistas.unal.edu.co/index.php/energetica/issue/view/4283http://hdl.handle.net/20.500.12272/5281https://doi.org/10.15446/energeticaEnergética (45), 83-93. (2015)reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacionalspainfo:eu-repo/semantics/openAccess2021-06-24T14:45:09Zhttp://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 InternacionalSchweickardt, Gustavo Alejandro ; Casanova Pietroboni, Carlos Antonio.No comercial con fines académicos.2026-09-24T12:46:41Zoai:ria.utn.edu.ar:20.500.12272/5281instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:46:42.495Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Optimización dinámica posibilística de un sistema de distribución mediante una hiperheurística basada en razonamiento con dominio en metaheurísticas x-pso multi-objetivo
Dynamic optimization of a distribution system by a case based reasoning hyperheuristic with x-pso multi-objective domain
title Optimización dinámica posibilística de un sistema de distribución mediante una hiperheurística basada en razonamiento con dominio en metaheurísticas x-pso multi-objetivo
spellingShingle Optimización dinámica posibilística de un sistema de distribución mediante una hiperheurística basada en razonamiento con dominio en metaheurísticas x-pso multi-objetivo
Schweickardt, Gustavo Alejandro
Optimización
Enjambre de partículas
HiperHeurísticas
Redes neuronales artificiales
Sistema de distribución de energía eléctrica
Optimization
Particles swarm
HyperHeuristics
Artificial neural networks
Electric distribution system
title_short Optimización dinámica posibilística de un sistema de distribución mediante una hiperheurística basada en razonamiento con dominio en metaheurísticas x-pso multi-objetivo
title_full Optimización dinámica posibilística de un sistema de distribución mediante una hiperheurística basada en razonamiento con dominio en metaheurísticas x-pso multi-objetivo
title_fullStr Optimización dinámica posibilística de un sistema de distribución mediante una hiperheurística basada en razonamiento con dominio en metaheurísticas x-pso multi-objetivo
title_full_unstemmed Optimización dinámica posibilística de un sistema de distribución mediante una hiperheurística basada en razonamiento con dominio en metaheurísticas x-pso multi-objetivo
title_sort Optimización dinámica posibilística de un sistema de distribución mediante una hiperheurística basada en razonamiento con dominio en metaheurísticas x-pso multi-objetivo
dc.creator.none.fl_str_mv Schweickardt, Gustavo Alejandro
Casanova Pietroboni, Carlos Antonio
author Schweickardt, Gustavo Alejandro
author_facet Schweickardt, Gustavo Alejandro
Casanova Pietroboni, Carlos Antonio
author_role author
author2 Casanova Pietroboni, Carlos Antonio
author2_role author
dc.subject.none.fl_str_mv Optimización
Enjambre de partículas
HiperHeurísticas
Redes neuronales artificiales
Sistema de distribución de energía eléctrica
Optimization
Particles swarm
HyperHeuristics
Artificial neural networks
Electric distribution system
topic Optimización
Enjambre de partículas
HiperHeurísticas
Redes neuronales artificiales
Sistema de distribución de energía eléctrica
Optimization
Particles swarm
HyperHeuristics
Artificial neural networks
Electric distribution system
dc.description.none.fl_txt_mv En el presente trabajo se aplica una Hiperheurística que los autores han denominado HY X-FPSO CBR para la Optimización Dinámica Posibilística que se corresponde con la Planificación de Mediano/Corto Plazo de un Sistema de Distribución de Energía Eléctrica. El problema a resolver, específicamente, es la definición/identificación del Espacio de Estados por los que el Sistema de Distribución de Energía Eléctrica debe evolucionar, conociendo el número de etapas. Las mismas se corresponden con cada año del Período de Control Regulatorio. Se procede al Diseño y Entrenamiento de la Red Neuronal Artificial de Retropropagación, en la que se basa el mecanismo de Aprendizaje/Selección mediante el cual son aplicadas las formas X-FPSO, para cierta instancia de decisión, identificadas como dominio de la Hiperheurística propuesta. Se integran los resultados al Modelo de Optimización Posibilística y se procede a la simulación completa en un Estudio de Caso sobre un Sistema de Distribución de Energía Eléctrica real. Se comparan los resultados que arroja la Hiperheurística propuesta, con el Espacio de Estados formado por inspección, en otras optimizaciones realizadas sobre el mismo Sistema de Distribución de Energía Eléctrica.
In this work a Hyperheuristic HY X-PSO CBR, supporting a Possibilistc Dynamic Optimization corresponding to the Electric Distribution System Planning in the Mid/Short Term, is applied. The problem to solve is the definition/identification of States Space for the evolution of Electric Distribution System, knowing the number of stages, corresponding with each of years of Regulatory Control Period. The Artificial Backpropagation Neural Network, that support the Seleccion/Learning Method to choice, in certain decision instance, the X-FPSO form in Metaheuristics domain of proposed Hyperheuristic, is Designed and Trained. The results are used in a Dynamic Possibilistic Model on a real Electric Distribution System, as Study Case. The Hyperheuristic results and States Space defined by mean inspection for optimizations performed on the same real Electric Distribution System, are compared.
Fil: Schweickardt, Gustavo Alejandro. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería Electromecánica. Grupo de Investigación en Economía Computacional de Regulación de Redes y Energías Renovables; Argentina.
Fil: Casanova Pietroboni, Carlos Antonio. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería Electromecánica. Grupo de Investigación en Economía Computacional de Regulación de Redes y Energías Renovables; Argentina.
Fil: Schweickardt, Gustavo Alejandro. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.
Fil: Casanova Pietroboni, Carlos Antonio. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.
Peer Reviewed
description En el presente trabajo se aplica una Hiperheurística que los autores han denominado HY X-FPSO CBR para la Optimización Dinámica Posibilística que se corresponde con la Planificación de Mediano/Corto Plazo de un Sistema de Distribución de Energía Eléctrica. El problema a resolver, específicamente, es la definición/identificación del Espacio de Estados por los que el Sistema de Distribución de Energía Eléctrica debe evolucionar, conociendo el número de etapas. Las mismas se corresponden con cada año del Período de Control Regulatorio. Se procede al Diseño y Entrenamiento de la Red Neuronal Artificial de Retropropagación, en la que se basa el mecanismo de Aprendizaje/Selección mediante el cual son aplicadas las formas X-FPSO, para cierta instancia de decisión, identificadas como dominio de la Hiperheurística propuesta. Se integran los resultados al Modelo de Optimización Posibilística y se procede a la simulación completa en un Estudio de Caso sobre un Sistema de Distribución de Energía Eléctrica real. Se comparan los resultados que arroja la Hiperheurística propuesta, con el Espacio de Estados formado por inspección, en otras optimizaciones realizadas sobre el mismo Sistema de Distribución de Energía Eléctrica.
publishDate 2015
dc.date.none.fl_str_mv 2015-06
2021-06-24T14:45:09Z
2021-06-24T14:45:09Z
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv Energética (45): 83-93 (2015)
0120- 9833
https://revistas.unal.edu.co/index.php/energetica/issue/view/4283
http://hdl.handle.net/20.500.12272/5281
https://doi.org/10.15446/energetica
identifier_str_mv Energética (45): 83-93 (2015)
0120- 9833
url https://revistas.unal.edu.co/index.php/energetica/issue/view/4283
http://hdl.handle.net/20.500.12272/5281
https://doi.org/10.15446/energetica
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2021-06-24T14:45:09Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Schweickardt, Gustavo Alejandro ; Casanova Pietroboni, Carlos Antonio.
No comercial con fines académicos.
eu_rights_str_mv openAccess
rights_invalid_str_mv 2021-06-24T14:45:09Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Schweickardt, Gustavo Alejandro ; Casanova Pietroboni, Carlos Antonio.
No comercial con fines académicos.
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.source.none.fl_str_mv Energética (45), 83-93. (2015)
reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230927665430528
score 13.265058

Publicaciones similares