Fluxo de potência ótimo descentralizado utilizando algoritmos evolutivos multiobjetivo

This work presents the development of a computational tool for decentralized optimal power flow (OPF) solution. For this purpose, the OPF problem is decoupled into areas defining several regional OPF subproblems. The OPF is modeled as a constrained nonlinear optimization problem, non-convex, in that the active power losses and optimal dispatch of active and reactive power are minimized simultaneously. Regional OPF subproblems are solved by multiobjective evolutionary algorithm based on the Pareto theory. The proposed approach employs a diversity-preserving mechanism to overcome the premature convergence of algorithm and local optimal solutions. Fuzzy set theory is employed to extract the best compromises of the Pareto set. In addition, a hierarchical clustering algorithm is implemented for reducing Pareto set. To validate the efficiency of the model and the proposed solution technique, the results e analyses of the simulations with the RTS-96 e IEEE-354 test systems are presented.

Abstract (portuguese)

Neste trabalho, apresenta-se o desenvolvimento de uma ferramenta computacional para a solução do problema de fluxo de potência ótimo (FPO) descentralizado. Para esta finalidade o problema de FPO é decomposto em várias áreas, definindo-se vários subproblemas regionais de FPO. O FPO é modelado como um problema de otimização não-linear restrito, em que os custos da geração e das perdas de potência ativa são minimizados simultaneamente. Os subproblemas regionais de FPO são resolvidos através de um algoritmo evolutivo multiobjetivo (AEMO) baseado na teoria de Pareto. No AEMO proposto explora-se um mecanismo de preservação de diversidade entre os indivíduos da população para evitar a convergência prematura e soluções ótimas locais. Para extrair a melhor solução compromisso do conjunto Pareto-Ótimo propõem-se um mecanismo de decisão baseado na teoria de conjuntos fuzzy. Além disso, um algoritmo de hierarquia cluster é implementado para reduzir a dimensão do conjunto de Pareto. Para validar a eficiência do modelo e da técnica de solução apresentam-se os resultados obtidos com os sistemas teste RTS-96 e IEEE-354.

Keywords

Decentralized Optimal Power Flow, Decomposition Technical, Evolutionary Algorithm, Fuzzy Set, Multiobjective Optimization, Algoritmos Evolutivos, Conjuntos fuzzy, Fluxo de Potência Ótimo, Técnicas de Decomposição, Otimização Multiobjetivo

Language

Portuguese

Citation

Sba: Controle & Automação Sociedade Brasileira de Automatica. Campinas, SP, Brazil: Sociedade Brasileira de Automática, v. 20, n. 2, p. 217-232, 2009.