Otimização do planejamneto diário de geração em usinas hidrelétricas

Abstract

Resumo: Regras de operação de reservatórios são importantes para a gestão de recursos hídricos. Várias técnicas de otimização têm sido aplicadas para obter métodos efecientes de operação de reservatórios, entretanto, um método eficiente ainda se faz necessário devido a complexidade de um sistema de reservatórios, especialmente os de pequenas dimensões. Neste trabalho, um método de otimização melhorado, baseado em Enxame de Partículas, é apresentado. As melhorias envolvem o uso de um algoritmo que única os dois esquemas do algoritmo de Enxame de Partículas em um único, sem comprometer o desempenho computacional. É adotada a combinação do coeficiente de constrição ao coeficiente de inércia para o controle da velocidade das partículas. Uma nova abordagem da variação da inércia _e utilizada para melhorar o desempenho do algoritmo. O algoritmo proposto _e aplicado ao problema de otimização diária do planejamento de geração de pequenas centrais hidrelétricas, através de um modelo simplificado de otimização, que utiliza penalização da função objetivo para lidar com as restrições não lineares do problema. Esta abordagem mostrou boa performance e obteve resultados promissores, quando comparada ao algoritmo de Enxame de Partículas padrão e a outras técnicas heurísticas, como o Recozimento Simulado, por exemplo.

Abstract: Improved reservoir operation rules are important for effective and efficient management of available water resources. Although several optimization techniques have been applied to obtain improved reservoir scheduling rules, an efficient method still remains to be developed due to the complexity of the reservoir system, especially the small ones. An improved Particle Swarm Optimization (PSO) approach is introduced in this work. The improvements involve an algorithm that the major advantages of the global and the local PSO variant are combined in a unified scheme, without imposing additional computational burden in terms of function evaluations. The constriction coefficient velocity update of PSO was used with the inertia weight coefficient. Meanwhile, a linear inertia weight update is adopted to enhance the performance of the approach. With nonlinear constraints handled by a penalty function, the proposed approach is applied to solve the short-term small hydropower plants scheduling. This approach shows a higher performance and obtains promising results compared to the standard particle swarm optimization and other heuristics, such as Simulated Annealing.