Utilize este identificador para referenciar este registo: http://hdl.handle.net/10400.21/4269
Título: Despacho económico de unidades com funções de custo não convexas usando enxames
Autor: Pontes, João Carlos Bento
Orientador: Pestana, Rui
Fonte, Pedro Miguel Neves
Palavras-chave: Despacho económico
Economic dispatch
Particle swarm optimization
Bee colony optimization
Cockroach swarm optimization
Sensing cloud optimizadon
Particle cloud
Optimization
Meta-heurísticas
Lambda iteration
Data de Defesa: Set-2014
Editora: Instituto Superior de Engenharia de Lisboa
Citação: PONTES, João Carlos Bento - Despacho económico de unidades com funções de custo não convexas usando enxames. Lisboa: Instituto Superior de Engenharia de Lisboa, 2014. Dissertação de mestrado.
Resumo: Nesta dissertação, o problema de despacho económico é estudado, especificamente a sua optimização através de métodos convencionais, i.e. métodos com base no gradiente e métodos baseados em heurísticas. Métodos diferentes são usados para optimizarfunções de teste e casos estudados de despacho económico, sendo os resultados comparados entre si. As funções de teste são as comumente utilizadas em literatura para validar a capacidade de busca, tempo de processamento e robustez de algoritmos de optimização. Os casos estudados são 4 e de despacho económico, sendo a diferença entre os mesmos a existência ou não de restrições, funções de custo convexas ou não convexas e número grupos. Nesta dissertação é proposta uma nova meta-heurística, que é um híbrido do Particle Swarm Optimization e do Sensing Cloud Optimization. A esta meta-heurística é dado o nome de Particle Cloud Optimization.
Abstract: This dissertation deals with the economic dispatch problem regarding its optimization by conventional methods, i.e. methods based upon gradient and methods based upon heuristics. Different methods optimize test functions and case studies of economic dispatch, and the results are compared. The test functions are usually used in literature to validate search ability, processing time and robustness of optimization alghorithms. The case studies are 4 and of economic dispatch. They differ on the existence or not of restrictions, convex or non convex functions and number of groups. In this dissertation it is proposed a new meta-heuristic, which is a hybrid between Particle Swarm Optimization and Sensing Cloud Optimization. To this meta-heuristic is given the name of Particle Cloud Optimization.
Descrição: Dissertação para obtenção do grau de Mestre em Engenharia Electrotécnica Ramo de Energia
Peer review: yes
URI: http://hdl.handle.net/10400.21/4269
Aparece nas colecções:ISEL - Eng. Electrotécn. - Dissertações de Mestrado

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
Dissertação.pdf3,63 MBAdobe PDFVer/Abrir


FacebookTwitterDeliciousLinkedInDiggGoogle BookmarksMySpace
Formato BibTex MendeleyEndnote Degois 

Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.