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

Abstract

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.