Modelo hiperheurístico basado en razonamiento con función de selección multiretropropagación : aplicación para resolver el problema del vector óptimo de inyecciones de potencias de...

Autores
Schweickardt, Gustavo Alejandro; Rodrigo, Rodolfo; Agosti, Andrés
Año de publicación
2019
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
El nuevo paradigma de abastecimiento eléctrico, denominado Generación y Micro-Generación Distribuida (GD y MGD, respectivamente), complementario al tradicional referido como Generación Centralizada (GC), constituye una realidad para fomentar la penetración de fuentes primarias de energía renovable en la Matriz Energética. Particularmente, la MGD supone la introducción de una nueva figura como agente del Sistema de Distribución de Energía Eléctrica (SDEE) en Baja Tensión (BT): el usuario prosumidor o micro-generador. Sin embargo, existen aspectos técnicos relativos al funcionamiento del SDEE BT dentro de parámetros de tolerancia específicos y establecidos regulatoriamente que, de no ser resueltos, pueden atentar contra este nuevo paradigma, dado que la planificación y la operación de la red cambian en modo sustancial. En este trabajo se presenta, continuando con líneas de investigación abordadas por los autores, un Modelo HiperHeurístico más eficiente para resolver el Problema de Optimización del Vector de Inyecciones desde Micro-Generación Distribuida Solar Fotovoltaica (PO VIny MGD FV) en los SDEE BT, basado en Razonamiento con Función de Selección Multi-Retropropagación. El Modelo propuesto es aplicado sobre un SDEE BT real, comparando los resultados con otros Modelos HiperHeurísticos similares con Función de Selección Simple-Retropropagación, evidenciándose algunas ventajas que el mismo exhibe.
The new paradigm of electricity supply, called Distributed Generation and Micro-Generation (DG and MDG, respectively), complementary to the traditional one, referred to as Centralized Generation (CG), as a reality to promote the penetration of primary sources of renewable energy in the Energy Matrix. Particularly, the MDG involves the introduction of a new figure as agent of the Low Voltage (LV) Electric Power Distribution System (EPDS): the prosumer or micro-generator user. However, there are technical aspects related to the operation of the LV EPDS within specific and regulated parameters of tolerance that, if not resolved, may threaten this new paradigm, given that the planning and operation of the network change substantially. This work presents, continuing with lines of research addressed by the authors, a more efficient HyperHeuristic Model Case Based Reasoning whith Multi-Backpropagation Selection Function, to solve the Power Injection by Micro- Distributed Generators in a Low Voltage Electric Power Distribution System Optimizing Problem, focusing in Solar Photovoltaic Systems (PI MDG LV EPDS). The proposed Model is applied on a real LV EPDS, comparing the results with other similar HyperHeuristic Models with Simple-Back-Propagation Selection Function, and showing some advantages that it exhibits.
Fil: Schweickardt, Gustavo Alejandro. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.
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: Agosti, Andrés. 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: Agosti, Andrés. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.
Fil: Rodrigo, Rodolfo. Universidad Nacional de San Juan. Facultad de Ingeniería; Argentina.
Peer Reviewed
Fuente
Revista de la Escuela de Perfeccionamiento en Investigación Operativa XXVII(46), 5-24. (2019)
Materia
Hiperheurísticas
Redes neuronales
Retropropagación múltiple
Sistemas de distribución eléctrica
Micro-generación distribuida
Energía solar fotovoltaica
Hyperheuristics
Neural networks
Multiple backpropagation
Electric power distribution system
Neural networks
Multiple backpropagation
Distributed micro-generation
Photovoltaic solar energy
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2021-08-02T12:54:24Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/5352
Acceder
id RIAUTN_c51debbf7fd678d002130ff0cce438a1
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/5352
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Modelo hiperheurístico basado en razonamiento con función de selección multiretropropagación : aplicación para resolver el problema del vector óptimo de inyecciones de potencias desde micro generación fotovoltaica en baja tensiónSchweickardt, Gustavo AlejandroRodrigo, RodolfoAgosti, AndrésHiperheurísticasRedes neuronalesRetropropagación múltipleSistemas de distribución eléctricaMicro-generación distribuidaEnergía solar fotovoltaicaHyperheuristicsNeural networksMultiple backpropagationElectric power distribution systemNeural networksMultiple backpropagationDistributed micro-generationPhotovoltaic solar energyEl nuevo paradigma de abastecimiento eléctrico, denominado Generación y Micro-Generación Distribuida (GD y MGD, respectivamente), complementario al tradicional referido como Generación Centralizada (GC), constituye una realidad para fomentar la penetración de fuentes primarias de energía renovable en la Matriz Energética. Particularmente, la MGD supone la introducción de una nueva figura como agente del Sistema de Distribución de Energía Eléctrica (SDEE) en Baja Tensión (BT): el usuario prosumidor o micro-generador. Sin embargo, existen aspectos técnicos relativos al funcionamiento del SDEE BT dentro de parámetros de tolerancia específicos y establecidos regulatoriamente que, de no ser resueltos, pueden atentar contra este nuevo paradigma, dado que la planificación y la operación de la red cambian en modo sustancial. En este trabajo se presenta, continuando con líneas de investigación abordadas por los autores, un Modelo HiperHeurístico más eficiente para resolver el Problema de Optimización del Vector de Inyecciones desde Micro-Generación Distribuida Solar Fotovoltaica (PO VIny MGD FV) en los SDEE BT, basado en Razonamiento con Función de Selección Multi-Retropropagación. El Modelo propuesto es aplicado sobre un SDEE BT real, comparando los resultados con otros Modelos HiperHeurísticos similares con Función de Selección Simple-Retropropagación, evidenciándose algunas ventajas que el mismo exhibe.The new paradigm of electricity supply, called Distributed Generation and Micro-Generation (DG and MDG, respectively), complementary to the traditional one, referred to as Centralized Generation (CG), as a reality to promote the penetration of primary sources of renewable energy in the Energy Matrix. Particularly, the MDG involves the introduction of a new figure as agent of the Low Voltage (LV) Electric Power Distribution System (EPDS): the prosumer or micro-generator user. However, there are technical aspects related to the operation of the LV EPDS within specific and regulated parameters of tolerance that, if not resolved, may threaten this new paradigm, given that the planning and operation of the network change substantially. This work presents, continuing with lines of research addressed by the authors, a more efficient HyperHeuristic Model Case Based Reasoning whith Multi-Backpropagation Selection Function, to solve the Power Injection by Micro- Distributed Generators in a Low Voltage Electric Power Distribution System Optimizing Problem, focusing in Solar Photovoltaic Systems (PI MDG LV EPDS). The proposed Model is applied on a real LV EPDS, comparing the results with other similar HyperHeuristic Models with Simple-Back-Propagation Selection Function, and showing some advantages that it exhibits.Fil: Schweickardt, Gustavo Alejandro. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.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: Agosti, Andrés. 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: Agosti, Andrés. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.Fil: Rodrigo, Rodolfo. Universidad Nacional de San Juan. Facultad de Ingeniería; Argentina.Peer Reviewed2021-08-02T12:54:24Z2021-08-02T12:54:24Z2019-11info: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 XXVII (46): 5-24 (2019)0329-7322https://revistas.unc.edu.ar/index.php/epio/issue/view/1996http://hdl.handle.net/20.500.12272/5352Revista de la Escuela de Perfeccionamiento en Investigación Operativa XXVII(46), 5-24. (2019)reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacionalspainfo:eu-repo/semantics/openAccess2021-08-02T12:54:24Zhttp://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 InternacionalSchweickardt, Gustavo Alejandro ; Rodrigo, Rodolfo ; Agosti, Andrés.No comercial con fines académicos.2026-09-24T12:44:45Zoai:ria.utn.edu.ar:20.500.12272/5352instacron: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 12:44:46.097Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Modelo hiperheurístico basado en razonamiento con función de selección multiretropropagación : aplicación para resolver el problema del vector óptimo de inyecciones de potencias desde micro generación fotovoltaica en baja tensión
title Modelo hiperheurístico basado en razonamiento con función de selección multiretropropagación : aplicación para resolver el problema del vector óptimo de inyecciones de potencias desde micro generación fotovoltaica en baja tensión
spellingShingle Modelo hiperheurístico basado en razonamiento con función de selección multiretropropagación : aplicación para resolver el problema del vector óptimo de inyecciones de potencias desde micro generación fotovoltaica en baja tensión
Schweickardt, Gustavo Alejandro
Hiperheurísticas
Redes neuronales
Retropropagación múltiple
Sistemas de distribución eléctrica
Micro-generación distribuida
Energía solar fotovoltaica
Hyperheuristics
Neural networks
Multiple backpropagation
Electric power distribution system
Neural networks
Multiple backpropagation
Distributed micro-generation
Photovoltaic solar energy
title_short Modelo hiperheurístico basado en razonamiento con función de selección multiretropropagación : aplicación para resolver el problema del vector óptimo de inyecciones de potencias desde micro generación fotovoltaica en baja tensión
title_full Modelo hiperheurístico basado en razonamiento con función de selección multiretropropagación : aplicación para resolver el problema del vector óptimo de inyecciones de potencias desde micro generación fotovoltaica en baja tensión
title_fullStr Modelo hiperheurístico basado en razonamiento con función de selección multiretropropagación : aplicación para resolver el problema del vector óptimo de inyecciones de potencias desde micro generación fotovoltaica en baja tensión
title_full_unstemmed Modelo hiperheurístico basado en razonamiento con función de selección multiretropropagación : aplicación para resolver el problema del vector óptimo de inyecciones de potencias desde micro generación fotovoltaica en baja tensión
title_sort Modelo hiperheurístico basado en razonamiento con función de selección multiretropropagación : aplicación para resolver el problema del vector óptimo de inyecciones de potencias desde micro generación fotovoltaica en baja tensión
dc.creator.none.fl_str_mv Schweickardt, Gustavo Alejandro
Rodrigo, Rodolfo
Agosti, Andrés
author Schweickardt, Gustavo Alejandro
author_facet Schweickardt, Gustavo Alejandro
Rodrigo, Rodolfo
Agosti, Andrés
author_role author
author2 Rodrigo, Rodolfo
Agosti, Andrés
author2_role author
author
dc.subject.none.fl_str_mv Hiperheurísticas
Redes neuronales
Retropropagación múltiple
Sistemas de distribución eléctrica
Micro-generación distribuida
Energía solar fotovoltaica
Hyperheuristics
Neural networks
Multiple backpropagation
Electric power distribution system
Neural networks
Multiple backpropagation
Distributed micro-generation
Photovoltaic solar energy
topic Hiperheurísticas
Redes neuronales
Retropropagación múltiple
Sistemas de distribución eléctrica
Micro-generación distribuida
Energía solar fotovoltaica
Hyperheuristics
Neural networks
Multiple backpropagation
Electric power distribution system
Neural networks
Multiple backpropagation
Distributed micro-generation
Photovoltaic solar energy
dc.description.none.fl_txt_mv El nuevo paradigma de abastecimiento eléctrico, denominado Generación y Micro-Generación Distribuida (GD y MGD, respectivamente), complementario al tradicional referido como Generación Centralizada (GC), constituye una realidad para fomentar la penetración de fuentes primarias de energía renovable en la Matriz Energética. Particularmente, la MGD supone la introducción de una nueva figura como agente del Sistema de Distribución de Energía Eléctrica (SDEE) en Baja Tensión (BT): el usuario prosumidor o micro-generador. Sin embargo, existen aspectos técnicos relativos al funcionamiento del SDEE BT dentro de parámetros de tolerancia específicos y establecidos regulatoriamente que, de no ser resueltos, pueden atentar contra este nuevo paradigma, dado que la planificación y la operación de la red cambian en modo sustancial. En este trabajo se presenta, continuando con líneas de investigación abordadas por los autores, un Modelo HiperHeurístico más eficiente para resolver el Problema de Optimización del Vector de Inyecciones desde Micro-Generación Distribuida Solar Fotovoltaica (PO VIny MGD FV) en los SDEE BT, basado en Razonamiento con Función de Selección Multi-Retropropagación. El Modelo propuesto es aplicado sobre un SDEE BT real, comparando los resultados con otros Modelos HiperHeurísticos similares con Función de Selección Simple-Retropropagación, evidenciándose algunas ventajas que el mismo exhibe.
The new paradigm of electricity supply, called Distributed Generation and Micro-Generation (DG and MDG, respectively), complementary to the traditional one, referred to as Centralized Generation (CG), as a reality to promote the penetration of primary sources of renewable energy in the Energy Matrix. Particularly, the MDG involves the introduction of a new figure as agent of the Low Voltage (LV) Electric Power Distribution System (EPDS): the prosumer or micro-generator user. However, there are technical aspects related to the operation of the LV EPDS within specific and regulated parameters of tolerance that, if not resolved, may threaten this new paradigm, given that the planning and operation of the network change substantially. This work presents, continuing with lines of research addressed by the authors, a more efficient HyperHeuristic Model Case Based Reasoning whith Multi-Backpropagation Selection Function, to solve the Power Injection by Micro- Distributed Generators in a Low Voltage Electric Power Distribution System Optimizing Problem, focusing in Solar Photovoltaic Systems (PI MDG LV EPDS). The proposed Model is applied on a real LV EPDS, comparing the results with other similar HyperHeuristic Models with Simple-Back-Propagation Selection Function, and showing some advantages that it exhibits.
Fil: Schweickardt, Gustavo Alejandro. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.
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: Agosti, Andrés. 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: Agosti, Andrés. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.
Fil: Rodrigo, Rodolfo. Universidad Nacional de San Juan. Facultad de Ingeniería; Argentina.
Peer Reviewed
description El nuevo paradigma de abastecimiento eléctrico, denominado Generación y Micro-Generación Distribuida (GD y MGD, respectivamente), complementario al tradicional referido como Generación Centralizada (GC), constituye una realidad para fomentar la penetración de fuentes primarias de energía renovable en la Matriz Energética. Particularmente, la MGD supone la introducción de una nueva figura como agente del Sistema de Distribución de Energía Eléctrica (SDEE) en Baja Tensión (BT): el usuario prosumidor o micro-generador. Sin embargo, existen aspectos técnicos relativos al funcionamiento del SDEE BT dentro de parámetros de tolerancia específicos y establecidos regulatoriamente que, de no ser resueltos, pueden atentar contra este nuevo paradigma, dado que la planificación y la operación de la red cambian en modo sustancial. En este trabajo se presenta, continuando con líneas de investigación abordadas por los autores, un Modelo HiperHeurístico más eficiente para resolver el Problema de Optimización del Vector de Inyecciones desde Micro-Generación Distribuida Solar Fotovoltaica (PO VIny MGD FV) en los SDEE BT, basado en Razonamiento con Función de Selección Multi-Retropropagación. El Modelo propuesto es aplicado sobre un SDEE BT real, comparando los resultados con otros Modelos HiperHeurísticos similares con Función de Selección Simple-Retropropagación, evidenciándose algunas ventajas que el mismo exhibe.
publishDate 2019
dc.date.none.fl_str_mv 2019-11
2021-08-02T12:54:24Z
2021-08-02T12:54:24Z
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 XXVII (46): 5-24 (2019)
0329-7322
https://revistas.unc.edu.ar/index.php/epio/issue/view/1996
http://hdl.handle.net/20.500.12272/5352
identifier_str_mv Revista de la Escuela de Perfeccionamiento en Investigación Operativa XXVII (46): 5-24 (2019)
0329-7322
url https://revistas.unc.edu.ar/index.php/epio/issue/view/1996
http://hdl.handle.net/20.500.12272/5352
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2021-08-02T12:54:24Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Schweickardt, Gustavo Alejandro ; Rodrigo, Rodolfo ; Agosti, Andrés.
No comercial con fines académicos.
eu_rights_str_mv openAccess
rights_invalid_str_mv 2021-08-02T12:54:24Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Schweickardt, Gustavo Alejandro ; Rodrigo, Rodolfo ; Agosti, Andrés.
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 XXVII(46), 5-24. (2019)
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_ 1877230886919864320
score 13.265058

Publicaciones similares