Técnicas de computação evolutiva para problemas multi-objetivo aplicadas à geração de energia elétrica de fonte renovável

dc.contributorDelgado, Carla Amor Divino Moreira
dc.contributorhttp://lattes.cnpq.br/3831909651244142
dc.contributorhttp://lattes.cnpq.br/1380668533173860
dc.contributorMarcelino, Carolina Gil
dc.contributorhttp://lattes.cnpq.br/3289676418940953
dc.contributorSilva, João Carlos Pereira da
dc.contributorhttp://lattes.cnpq.br/9413102524215939
dc.contributorWanner, Elizabeth Fialho
dc.contributorhttp://lattes.cnpq.br/2243256075052322
dc.creatorAraújo Júnior, Ronald Albert de
dc.date2023-06-29T12:39:03Z
dc.date2023-09-27T03:04:15Z
dc.date2023-04-24
dc.date.accessioned2023-09-27T14:09:10Z
dc.date.available2023-09-27T14:09:10Z
dc.identifierhttp://hdl.handle.net/11422/20933
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/8919720
dc.descriptionA 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.
dc.languagepor
dc.publisherUniversidade Federal do Rio de Janeiro
dc.publisherBrasil
dc.publisherInstituto de Computação
dc.publisherUFRJ
dc.rightsAcesso Aberto
dc.subjectInteligência Artificial
dc.subjectOtimização Multiobjetivo
dc.subjectUsina hidrelétrica
dc.subjectEficiência Energética
dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
dc.titleTécnicas de computação evolutiva para problemas multi-objetivo aplicadas à geração de energia elétrica de fonte renovável
dc.typeTrabalho de conclusão de graduação


Este ítem pertenece a la siguiente institución