Algoritmos evolutivos aplicados a la gestión de las unidades generadoras de la microred eléctrica de Cayo Coco

Yoan  Martinez-Lopez; Miguel  Bethencourt-Mayedo; Julio  Madera-Quintana; Jahiro  Sutherland

Authors

Yoan Martinez-Lopez Universidad de Camagüey
Miguel Bethencourt-Mayedo Universidad de Camagüey
Julio Madera-Quintana Universidad de Camagüey
Jahiro Sutherland CENTRO REGIONAL UNIVERSITARIO DE COLÓN. UNIVERSIDAD DE PANAMÁ

Keywords:

evolutionary algorithms, estimation of distribution algorithm, energy resource management, electrical microgrids

Abstract

Evolutionary Computation (EC) is a branch of Computational Intelligence that is applied to all kind of optimization problems, in recent years the use of these Evolutionary Algorithms (EA) has gained special attention, due to his use in smart electrical networks, the prediction of the electrical demand and the demand-generation relationship, constituting an ideal combinatorial optimization problem for the application of these algorithms. In the electrical microgrid of Cayo Coco, made up of fuel generator sets, wind turbines and photovoltaic solar panels. The configuration of generation units is managed only based on the experience of the load dispatch operators, without any model that ensures the minimum cost of operation. In the following paper, an EA is proposed to determine the power precision of each generating unit of the electrical microgrids of Cayo Coco, such that a minimum cost of operation is obtained, with compliance with the restrictions of the system in question. The results show that the proposed EA constitutes a useful tool and may be considered a step forward towards an automated system that guarantees an optimal and stable operation of the national electricity system.

References

Barrientos, A. F., Olaya, J., & González, V. (2007). Un modelo spline para el pronóstico de la demanda de energía eléctrica. Revista Colombiana de Estadística, 30(2): 187-202.

Bello, R., Lorenzo, M. M. G., Ramón Hernández, A., Bello García, B., Bello García, M., Caballero, Y., Madera Quintana, J., Rodríguez, Y., Filiberto, Y., & Martínez, Y. (2020). Una mirada a la inteligencia artificial frente a la COVID-19 en Cuba. Revista Cubana de Transformación Digital, 1(3): 27-36.

Berenguer, F. A. O., Mercado, P. E., & Molina, M. G. (2022). Evaluación de la degradación de almacenadores electroquímicos en microrredes eléctricas mediante el método de conteo Rainflow. 2022 IEEE Biennial Congress of Argentina (ARGENCON),

Casimiro Rodríguez, L., Casimiro González, J. A., Suárez Hernández, J., Mart -Martín, G. J., & Rodríguez Delgado, I. (2019). Índice de aprovechamiento de fuentes renovables de energía, asociadas a tecnologías apropiadas en fincas familiares en Cuba. Pastos y Forrajes, 42(4): 253-261.

Castro, C. B. M., & Alonso, J. A. V. (2022). Métodos y técnicas de Machine Learning e Inteligencia Artificial para el enfrentamiento al fraude en las Telecomunicaciones: Técnicas de minería de datos aplicadas a las gestión del fraude. Revista Cubana de Transformación Digital, 3(4): e182-e182.

Dileep, G. (2020). A survey on smart grid technologies and applications. Renewable energy, 146, 2589-2625.

Gutiérrez, R. P., Gómez, M. d. C. E., Cardoso, E. L. B., & Romero, O. R. (2022). Transición energética en Cuba: experiencias del proyecto Fuentes Renovables de Energía como apoyo al desarrollo local. Avances, 24(3): 256-271.

Holland, J. H. (1992). Genetic algorithms. Scientific american, 267(1): 66-73.

Llamo Laborí, H. S., Santos Fuentefria, A., & Pérez Martínez, M. (2020). Propuesta didáctica de una maqueta interactiva para explicar el comportamiento de las líneas de transmisión de energía eléctrica. Modelling in Science Education and Learning, 13(2): 5-20.

López, Y. M., Yanes, L. G., & Quintana, J. M. (2022). Aplicación de metaheurísticas en el ordenamiento del transporte urbano en Camagüey. Revista Cubana de Transformación Digital, 3(2): e171-e171.

Martínez López, Y., Madera, J., Mahdi, G. S. S., & Rodríguez González, A. Y. (2020). Cellular estimation bayesian algorithm for discrete optimization problems. Revista Investigación Operacional, 41(7): 1010-1018.

Martínez López, Y., Madera, J., Rodríguez González, A. Y., & Barigye, S. (2019). Cellular estimation Gaussian algorithm for continuous domain. Journal of Intelligent & Fuzzy Systems, 36(5): 4957-4967.

Martínez López, Y., Madera Quintana, J., & Leguen de Varona, I. (2016). Algoritmos evolutivos con estimación de distribución celulares. Revista Cubana de Ciencias Informáticas, 10, 159-170.

Martínez López, Y., Rodríguez González, A. Y., Madera, J., Mayedo, M. B., & Lezama, F. (2021). Cellular estimation of distribution algorithm designed to solve the energy resource management problem under uncertainty. Engineering Applications of Artificial Intelligence, 101, 104231.

Martínez López, Y., Rodríguez González, A. Y., Quintana, J. M., Mayedo, M. B., Moya, A., & Santiago, O. M. (2020). Applying some EDAs and hybrid variants to the ERM problem under uncertainty. Proceedings of the 2020 Genetic and Evolutionary Computation Conference Companion,

Martínez López, Y., Rodríguez González, A. Y., Quintana, J. M., Moya, A., Morgado, B., & Mayedo, M. B. (2019). CUMDANCauchy-C1: a cellular EDA designed to solve the energy resource management problem under uncertainty. Proceedings of the Genetic and Evolutionary Computation Conference Companion,

Martínez López, Y., Oquendo Ferrer, H., Caballero Mota, Y., Guerra Rodríguez, L. E., Junco Villegas, R., Benítez Cortés, I., Rodríguez González, A., & Madera Quintana, J. (2020). Aplicación de la investigación de operaciones a la distribución de recursos relacionados con la COVID-19. Retos de la Dirección, 14(2): 86-105.

Mejía Vásquez, E. J., & Gonzales Chávez, S. (2019). Predicción del consumo de energía eléctrica residencial de la Región Cajamarca mediante modelos Holt-Winters. Ingeniería Energética, 40(3): 181-191.

Mirjalili, S., & Mirjalili, S. (2019). Genetic algorithm. Evolutionary Algorithms and Neural Networks: Theory and Applications, 43-55.

Omitaomu, O. A., & Niu, H. (2021). Artificial intelligence techniques in smart grid: A survey. Smart Cities, 4(2): 548-568.

Rodríguez González, A. Y., Aranda, Á. R., Álvarez Carmona, M. Á., Pacheco, Á. D., López, Y. M., & Quintana, J. M. (2022). Algoritmos celulares basados en estimación de las distribuciones, una herramienta para manejar los recursos energéticos.

Rodríguez González, A. Y., Lezama, F., Martínez López, Y., Madera, J., Soares, J., & Vale, Z. (2022). WCCI/GECCO 2020 Competition on Evolutionary Computation in the Energy Domain: An overview from the winner perspective. Applied Soft Computing, 125, 109162.

Srinivas, M., & Patnaik, L. M. (1994). Genetic algorithms: A survey. Computer, 27(6): 17-26.

Tuballa, M. L., & Abundo, M. L. (2016). A review of the development of Smart Grid technologies. Renewable and Sustainable Energy Reviews, 59, 710-725.

Vasconcellos, D. E. B., Gil, E. S., Perdomo, D. G., & Torné, I. G. (2023). Asignación de unidades de generación en microrredes eléctricas aisladas aplicando algoritmos genéticos: Unit commitment in isolated electric microgridapplying genetic algorithms. Ingeniería Energética, 44(2): 10-10.

Vijayapriya, T., & Kothari, D. P. (2011). Smart grid: an overview. Smart Grid and Renewable Energy, 2(4): 305-311.