Resumen

La planificación de la distribución primaria de energía eléctrica implica la resolución de un problema de optimización con componentes no lineales, lo que dificulta la obtención de la solución óptima cuando el problema tiene dimensiones que se encuentran en la realidad, tanto en términos de coste de instalación como de coste de pérdida de potencia. Para abordar este problema, se han utilizado métodos heurísticos, pero incluso sacrificando la calidad, encontrar la solución óptima sigue representando un reto computacional. En este artículo, estudiamos este problema utilizando algoritmos genéticos. Con la ayuda de un esquema de codificación basado en el código diente de león, estos algoritmos genéticos permiten resolver instancias mayores del problema. Con el enfoque planteado, hemos resuelto instancias de hasta 40.000 nodos consumidores al considerar 20 subestaciones; el coste total se desvía un 3,1% respecto a un límite inferior que considera sólo los costes de construcción de la red.

• Materias:Redes Inalámbricas Modelo computacional Teoría de códigos Sistemas de comunicación Procesamiento de datos
• Subjects:Wireless Networks Computational Model Code theory Communication systems Data processing
• Palabras claves:problema, algoritmos genéticos, solución óptima, distribución primaria de energía eléctrica, coste de la pérdida de potencia, reto computacional, costes de construcción, nodos consumidores, código diente de león, métodos heurísticos
• Keywords:problem, genetic algorithms, optimum solution, primary electric power distribution, power loss cost, computational challenge, construction costs, consumer nodes, dandelion code, heuristic methods