Utilização de algoritmos genéticos para a identificação e escolha de acções de condicionamento da procura de energia Álvaro Gomes; A. Gomes Martins; Carlos Henggeler Antunes DEEC / INESCC 10º Congresso da APDIO; UM - Campo de Azurém; Guimarães

Gestão da procura “LM” Objectivos operacionais e económicos (promoção da eficiência energética / económica)  incorporação de recursos existentes no lado da procura  eficiência económica – reestruturação / liberalização * Comercializador: compra por grosso e venda a retalho ( volatilidade dos preços) 10º Congresso da APDIO; UM - Campo de Azurém; Guimarães

Objectivos Minimizar procuras máximas a pelo menos dois níveis de agregação Maximizar lucros Minimizar desconforto Minimizar “ perdas” 10º Congresso da APDIO; UM - Campo de Azurém; Guimarães

Problema com objectivos conflituantes Desafio: Proceder à identificação e escolha de 1 conjunto de acçãos de deslastre, em presença destes objectivos 10º Congresso da APDIO; UM - Campo de Azurém; Guimarães

Algoritmos Genéticos (ag’s) Trabalham com conjuntos de soluções Apresentam comportamento com algumas características semelhantes às encontradas na evolução natural – através de operadores: selecção; reprodução; recombinação e mutação O desempenho de cada indivíduo é avaliado de acordo com o conjunto de objectivos em análise Potencialmente “cegos” se não usarem informação disponível no espaço dos objectivos Requisitos Representação do mundo real definição do espaço das soluções admissíveis; função de avaliação do desempenho das soluções; representação das soluções Parametrização do algoritmo valores para parâmetros dos operadores utilizados: probabilidades de mutação e de recombinação; tamanho da população; procedimento de selecção; etc 10º Congresso da APDIO; UM - Campo de Azurém; Guimarães

Aproximações experimentadas Meta-frente Óptimo flutuante Meta-óptimo 10º Congresso da APDIO; UM - Campo de Azurém; Guimarães

Contribuição para a probabilidade de mutação dos objectivos min lucros e min desconforto 10º Congresso da APDIO; UM - Campo de Azurém; Guimarães

Contribuição para a probabilidade de mutação do objectivo min ponta máxima agregada 10º Congresso da APDIO; UM - Campo de Azurém; Guimarães

Formatação da fitness 10º Congresso da APDIO; UM - Campo de Azurém; Guimarães

Processo de selecção 10º Congresso da APDIO; UM - Campo de Azurém; Guimarães

Incorporação de conhecimento 10º Congresso da APDIO; UM - Campo de Azurém; Guimarães

Algumas características do algoritmo: Populações com 20 indivíduos; Vantagem na utilização de conhecimento Processo de selecção elitista com inclusão de torneio e eventualmente em conjunto com métodos determínisticos Inexistência de demasiada pressão de convergência mostra-se benéfica. Mais alguns parâmetros Pc= 0,01; indução de nichos; restrições ao casamento 10º Congresso da APDIO; UM - Campo de Azurém; Guimarães

Resultados 10º Congresso da APDIO; UM - Campo de Azurém; Guimarães

Evolução dos valores para o factor de perdas encontrados na população em cada geração 10º Congresso da APDIO; UM - Campo de Azurém; Guimarães

Evolução dos valores para potência desagregada 2 encontrados na população em cada geração 10º Congresso da APDIO; UM - Campo de Azurém; Guimarães