Hiperheurística basada en razonamiento con dominio en metaheurísticas X-PSO multiobjetivo hy X-FPSO CBR : aplicación sobre una optimización dinámica posibilística. Parte 2 : aplica...

Autores
Schweickardt, Gustavo Alejandro; Casanova Pietroboni, Carlos Antonio; Giménez Álvarez, Juan Manuel
Año de publicación
2014
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
En el presente trabajo se aplica la Hiperheurística HY X-FPSO CBR soportando a la Optimización Dinámica Posibilística que se corresponde con la Planificación de Mediano/Corto Plazo de un Sistema de Distribución de Energía Eléctrica (SDEE). El problema a resolver, específicamente, es la definición/identificación del Espacio de Estados por los que el SDEE 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 SDEE 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 SDEE.
In this work the Hyperheuristic HY X-PSO CBR, supporting a Possibilistc Dynamic Optimization corresponding to the Electric Distribution System (EDS) Planning in the Mid/Short Term, is applied.The problem to solve is the definition/identification of States Space for the evolution of EDS, knowing the number of stages, corresponding with each of years of Regulatory Control Period. The Artificial Backpropagation Neural Network, that support the Selection/Learning Method to choice, in certain decision instance, the X-FPSO form in Metaheuristics domain of proposed Hyperheuristic, is Designed an Trained. The results are used in the Dynamic Possibilistic Model and a simulation on a real EDS, as Study Case, is performed. The Hyperheuristic results and States Space defined by mean inspection for optimizations performed on the same real EDS, 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: Giménez Álvarez, Juan Manuel. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.
Fil: Giménez Álvarez, Juan Manuel. Universidad Nacional de San Juan. Facultad de Ingeniería; 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
Revista de la Escuela de Perfeccionamiento en Investigación Operativa XXII(35), 128-148 (2014).
Materia
Optimización
Enjambre de partículas
HiperHeurísticas
Redes neuronales artificiales
Sistema de distribución de energía eléctrica
Optimization
Particles swarm
HyperHeuristics
Artificial neural network
Electric distribution system
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2021-06-18T14:59:29Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/5264
Acceder
id RIAUTN_ba89568b4e3f0a87c1c368db7d90ca22
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/5264
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Hiperheurística basada en razonamiento con dominio en metaheurísticas X-PSO multiobjetivo hy X-FPSO CBR : aplicación sobre una optimización dinámica posibilística. Parte 2 : aplicación a la optimización dinámica posibilística en la planificación de mediano/corto plazo de un sistema de distribución eléctricaSchweickardt, Gustavo AlejandroCasanova Pietroboni, Carlos AntonioGiménez Álvarez, Juan ManuelOptimizaciónEnjambre de partículasHiperHeurísticasRedes neuronales artificialesSistema de distribución de energía eléctricaOptimizationParticles swarmHyperHeuristicsArtificial neural networkElectric distribution systemEn el presente trabajo se aplica la Hiperheurística HY X-FPSO CBR soportando a la Optimización Dinámica Posibilística que se corresponde con la Planificación de Mediano/Corto Plazo de un Sistema de Distribución de Energía Eléctrica (SDEE). El problema a resolver, específicamente, es la definición/identificación del Espacio de Estados por los que el SDEE 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 SDEE 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 SDEE.In this work the Hyperheuristic HY X-PSO CBR, supporting a Possibilistc Dynamic Optimization corresponding to the Electric Distribution System (EDS) Planning in the Mid/Short Term, is applied.The problem to solve is the definition/identification of States Space for the evolution of EDS, knowing the number of stages, corresponding with each of years of Regulatory Control Period. The Artificial Backpropagation Neural Network, that support the Selection/Learning Method to choice, in certain decision instance, the X-FPSO form in Metaheuristics domain of proposed Hyperheuristic, is Designed an Trained. The results are used in the Dynamic Possibilistic Model and a simulation on a real EDS, as Study Case, is performed. The Hyperheuristic results and States Space defined by mean inspection for optimizations performed on the same real EDS, 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: Giménez Álvarez, Juan Manuel. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.Fil: Giménez Álvarez, Juan Manuel. Universidad Nacional de San Juan. Facultad de Ingeniería; 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 Reviewed2021-06-18T14:59:29Z2021-06-18T14:59:29Z2014-05info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfRevista de la Escuela de Perfeccionamiento en Investigación Operativa XXII (35): 128-148 (2014)0329-7322https://revistas.unc.edu.ar/index.php/epiohttp://hdl.handle.net/20.500.12272/5264Revista de la Escuela de Perfeccionamiento en Investigación Operativa XXII(35), 128-148 (2014).reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacionalspainfo:eu-repo/semantics/openAccess2021-06-18T14:59:29Zhttp://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 InternacionalSchweickardt, Gustavo ; Casanova Pietroboni, Carlos Antonio ; Giménez, Juan ManuelNo comercial con fines académicos2026-09-24T12:45:24Zoai:ria.utn.edu.ar:20.500.12272/5264instacron: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 12:45:26.13Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Hiperheurística basada en razonamiento con dominio en metaheurísticas X-PSO multiobjetivo hy X-FPSO CBR : aplicación sobre una optimización dinámica posibilística. Parte 2 : aplicación a la optimización dinámica posibilística en la planificación de mediano/corto plazo de un sistema de distribución eléctrica
title Hiperheurística basada en razonamiento con dominio en metaheurísticas X-PSO multiobjetivo hy X-FPSO CBR : aplicación sobre una optimización dinámica posibilística. Parte 2 : aplicación a la optimización dinámica posibilística en la planificación de mediano/corto plazo de un sistema de distribución eléctrica
spellingShingle Hiperheurística basada en razonamiento con dominio en metaheurísticas X-PSO multiobjetivo hy X-FPSO CBR : aplicación sobre una optimización dinámica posibilística. Parte 2 : aplicación a la optimización dinámica posibilística en la planificación de mediano/corto plazo de un sistema de distribución eléctrica
Schweickardt, Gustavo Alejandro
Optimización
Enjambre de partículas
HiperHeurísticas
Redes neuronales artificiales
Sistema de distribución de energía eléctrica
Optimization
Particles swarm
HyperHeuristics
Artificial neural network
Electric distribution system
title_short Hiperheurística basada en razonamiento con dominio en metaheurísticas X-PSO multiobjetivo hy X-FPSO CBR : aplicación sobre una optimización dinámica posibilística. Parte 2 : aplicación a la optimización dinámica posibilística en la planificación de mediano/corto plazo de un sistema de distribución eléctrica
title_full Hiperheurística basada en razonamiento con dominio en metaheurísticas X-PSO multiobjetivo hy X-FPSO CBR : aplicación sobre una optimización dinámica posibilística. Parte 2 : aplicación a la optimización dinámica posibilística en la planificación de mediano/corto plazo de un sistema de distribución eléctrica
title_fullStr Hiperheurística basada en razonamiento con dominio en metaheurísticas X-PSO multiobjetivo hy X-FPSO CBR : aplicación sobre una optimización dinámica posibilística. Parte 2 : aplicación a la optimización dinámica posibilística en la planificación de mediano/corto plazo de un sistema de distribución eléctrica
title_full_unstemmed Hiperheurística basada en razonamiento con dominio en metaheurísticas X-PSO multiobjetivo hy X-FPSO CBR : aplicación sobre una optimización dinámica posibilística. Parte 2 : aplicación a la optimización dinámica posibilística en la planificación de mediano/corto plazo de un sistema de distribución eléctrica
title_sort Hiperheurística basada en razonamiento con dominio en metaheurísticas X-PSO multiobjetivo hy X-FPSO CBR : aplicación sobre una optimización dinámica posibilística. Parte 2 : aplicación a la optimización dinámica posibilística en la planificación de mediano/corto plazo de un sistema de distribución eléctrica
dc.creator.none.fl_str_mv Schweickardt, Gustavo Alejandro
Casanova Pietroboni, Carlos Antonio
Giménez Álvarez, Juan Manuel
author Schweickardt, Gustavo Alejandro
author_facet Schweickardt, Gustavo Alejandro
Casanova Pietroboni, Carlos Antonio
Giménez Álvarez, Juan Manuel
author_role author
author2 Casanova Pietroboni, Carlos Antonio
Giménez Álvarez, Juan Manuel
author2_role author
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 network
Electric distribution system
topic Optimización
Enjambre de partículas
HiperHeurísticas
Redes neuronales artificiales
Sistema de distribución de energía eléctrica
Optimization
Particles swarm
HyperHeuristics
Artificial neural network
Electric distribution system
dc.description.none.fl_txt_mv En el presente trabajo se aplica la Hiperheurística HY X-FPSO CBR soportando a la Optimización Dinámica Posibilística que se corresponde con la Planificación de Mediano/Corto Plazo de un Sistema de Distribución de Energía Eléctrica (SDEE). El problema a resolver, específicamente, es la definición/identificación del Espacio de Estados por los que el SDEE 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 SDEE 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 SDEE.
In this work the Hyperheuristic HY X-PSO CBR, supporting a Possibilistc Dynamic Optimization corresponding to the Electric Distribution System (EDS) Planning in the Mid/Short Term, is applied.The problem to solve is the definition/identification of States Space for the evolution of EDS, knowing the number of stages, corresponding with each of years of Regulatory Control Period. The Artificial Backpropagation Neural Network, that support the Selection/Learning Method to choice, in certain decision instance, the X-FPSO form in Metaheuristics domain of proposed Hyperheuristic, is Designed an Trained. The results are used in the Dynamic Possibilistic Model and a simulation on a real EDS, as Study Case, is performed. The Hyperheuristic results and States Space defined by mean inspection for optimizations performed on the same real EDS, 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: Giménez Álvarez, Juan Manuel. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.
Fil: Giménez Álvarez, Juan Manuel. Universidad Nacional de San Juan. Facultad de Ingeniería; 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 la Hiperheurística HY X-FPSO CBR soportando a la Optimización Dinámica Posibilística que se corresponde con la Planificación de Mediano/Corto Plazo de un Sistema de Distribución de Energía Eléctrica (SDEE). El problema a resolver, específicamente, es la definición/identificación del Espacio de Estados por los que el SDEE 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 SDEE 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 SDEE.
publishDate 2014
dc.date.none.fl_str_mv 2014-05
2021-06-18T14:59:29Z
2021-06-18T14:59:29Z
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 Revista de la Escuela de Perfeccionamiento en Investigación Operativa XXII (35): 128-148 (2014)
0329-7322
https://revistas.unc.edu.ar/index.php/epio
http://hdl.handle.net/20.500.12272/5264
identifier_str_mv Revista de la Escuela de Perfeccionamiento en Investigación Operativa XXII (35): 128-148 (2014)
0329-7322
url https://revistas.unc.edu.ar/index.php/epio
http://hdl.handle.net/20.500.12272/5264
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2021-06-18T14:59:29Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Schweickardt, Gustavo ; Casanova Pietroboni, Carlos Antonio ; Giménez, Juan Manuel
No comercial con fines académicos
eu_rights_str_mv openAccess
rights_invalid_str_mv 2021-06-18T14:59:29Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Schweickardt, Gustavo ; Casanova Pietroboni, Carlos Antonio ; Giménez, Juan Manuel
No comercial con fines académicos
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.source.none.fl_str_mv Revista de la Escuela de Perfeccionamiento en Investigación Operativa XXII(35), 128-148 (2014).
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_ 1877230898215124992
score 13.265058

Publicaciones similares