Resumen

El despacho económico (ED) juega un papel importante en la operación del sistema eléctrico, ya que puede disminuir el costo operativo, ahorrar recursos energéticos y reducir la carga ambiental. Este artículo presenta una optimización de enjambre de partículas mejorada llamada optimización de enjambre de partículas basada en biogeografía (BLPSO) para resolver los problemas de ED que involucran diferentes restricciones de igualdad e desigualdad, como el balance de potencia, zonas de operación prohibidas y límites de velocidad de rampa. En el BLPSO propuesto, se emplea una estrategia de aprendizaje basada en biogeografía en la que las partículas aprenden unas de otras basándose en la calidad de sus mejores posiciones personales, y así puede proporcionar un equilibrio más eficiente entre la exploración y la explotación. El BLPSO propuesto se aplica para resolver cinco problemas de ED y se compara con otras técnicas de optimización en la literatura. Los resultados experimentales demuestran que el BLPSO es un enfo

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Despacho económico; Operación del sistema de energía; Optimización por enjambre de partículas; Aprendizaje basado en biogeografía; Balance de potencia; Límites de variación de rampa
• Keywords:Economic dispatch; Power system operation; Particle swarm optimization; Biogeography-based learning; Power balance; Ramp-rate limits