Resumen

En este artículo se investiga un método de optimización multiobjetivo para la generación distribuida (GD) basado en un algoritmo evolutivo de Pareto mejorado. El algoritmo evolutivo de Pareto mejorado, que introduce un factor de penalización en las restricciones de la función objetivo, utiliza un cruce adaptativo y un operador de mutación en el proceso evolutivo y combina un proceso iterativo de recocido simulado. El algoritmo propuesto se utiliza para optimizar modelos de inyección de GD con el fin de maximizar la utilización de GD mientras se minimizan las pérdidas del sistema y la contaminación ambiental. Se utilizó un sistema revisado de 33 buses del IEEE con múltiples unidades de GD para probar el algoritmo de optimización multiobjetivo en un sistema de distribución de energía. El algoritmo propuesto se implementó y se comparó con el algoritmo evolutivo de Pareto 2 (SPEA2), un algoritmo de optimización por enjambre de partículas (PSO) y el algoritmo genético de clasificación no dominada

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:Generación distribuida; Optimización multiobjetivo; Algoritmo evolutivo de Pareto mejorado; Utilización de GD; Pérdida de sistema; Contaminación ambiental
• Keywords:Distribution generation; Multiobjective optimization; Improved Pareto evolutionary algorithm; DG utilization; System loss; Environmental pollution