Na ocorrência de uma ou de múltiplas faltas permanentes em sistemas de distribuição de energia elétrica é inevitável a ausência de fornecimento à algumas cargas. Contudo, devido à presença de chaves seccionadoras, após a localização e isolação do trecho sob falta, é possível restaurar o abastecimento de energia a estas cargas fora de serviço. Para tal é necessária a obtenção de um plano de restabelecimento adequado, no menor intervalo de tempo possível, capaz de informar as chaves que devem ser operadas a fim de reconectar estas cargas à rede e sem sobrecarregar nenhum equipamento. Neste sentido, têm sido propostas metodologias para auxiliar as atividades dos operadores de sistemas de distribuição por meio do fornecimento de planos de restabelecimento de energia em situações de contingência. Todavia, a aplicação da maioria destas técnicas restringe-se à redes pequenas, quando comparadas às redes reais que possuem milhares de barras e chaves. Em outras metodologias, na tentativa de superar esta limitação, são feitas simplificações na representação da rede, desconsiderando alguns dos seus elementos. Nestes casos, a solução fornecida para a rede simplificada pode não ter o mesmo desempenho na rede em operação, o que compromete a confiabilidade dessas metodologias. Em outros métodos, ainda, a rede é representada com todas as suas barras e chaves, no entanto, deixam de considerar a presença de consumidores especiais, que exigem prioridade de fornecimento, bem como de chaves existentes na rede que podem ser operadas remotamente. Face ao exposto, propõe-se uma metodologia para determinação, em tempo real, de planos de restabelecimento de energia elétrica em sistemas de distribuição de grande porte em situações de uma ou de múltiplas faltas. Para lidar com os múltiplos objetivos deste problema, sendo alguns dele conflitantes entre si, esta será baseada em Algoritmos Evolutivos Multi-Objetivo, enquanto que a representação computacional sem simplificações da rede será proporcionada por uma codificação de dados apoiada na teoria de grafos e denominada Representação Nó-Profundidade. A fim de diminuir o tempo e o custo de implementação dos planos obtidos, será considerada e dado prioridade de manobra às chaves controladas remotamente, que podem ser alteradas do centro de operações. Será dado prioridade também ao fornecimento de energia de consumidores especiais. Por fim, para cada plano de restabelecimento fornecido será definida uma sequência factível de chaves que, quando alteradas, reconectarão as cargas sãs fora de serviço e eliminarão sobrecargas ou perfis de tensão inadequados. Para validar a metodologia proposta serão realizadas simulações computacionais no sistema de distribuição real da cidade de São Carlos-SP, em operação no ano de 1994, e nas suas versões duplicada, quadruplicada e octuplicada. / The occurrence of one or multiple permanent faults in electric power distribution systems is inevitable the privation of the service to some loads. However, due to the presence of switches, after the location and isolation of the faulted section, you can restore the power supply to these out of service loads. To this it is necessary to obtain, as soon as possible, a suitable restoration plan. It must be able to inform the switches that must be operated in order to reconnect these loads without overloading on any network or equipment. In this sense, it has been proposed methods to assist the operators\' activities of the of distribution systems by providing plans to restore the service in contingency situations. However, the application of the most of these techniques is limited to small networks, when they are compared to real networks that have thousands of bars and keys. In other methodologies, in order to overcome this limitation, simplications are made in the representation of the network, ignoring some of its elements. In these cases, the solution provided for a simplied network may not have the same performance on the network in operation, which aects the reliability of these methodologies. In other methods, the network is represented with all of its bars and switches. However, these methodologies do not consider the presence of the special consumers that require service priority neither the switches that can be operated remotely. Given the above, we propose a methodology for determining, in real time, plans for service restoration in large-scale electric distribution systems in situations of one or multiple faults. To deal with the multiple objectives of this problem, some of them con icting, the proposed method will be based on Multi-Objective Evolutionary Algorithms. Moreover, the computational representation without simplications of the network will be provided by a data encoding based in graph theory and called Node-Depth Encoding. In order to reduce the time and cost of the implementation of the plans obtained, it will be considered and given priority to maneuvers in remotely controlled switches, which can be changed from the operation center. Priority will be given also to the power supply of special consumers. Finally, for each restoration plan provided will be gotten a feasible switching sequence that, when implemented, will reconnect the out of service loads and eliminate overloads or inadequate voltage proles. To validate the proposed methodology it will be performed computer simulations in the real distribution system of the São Carlos-SP city, in operation in 1994, and their doubled, quadruplicate and octuplicate versions.

Made available in DSpace on 2017-07-10T16:41:35Z (GMT). No. of bitstreams: 1 Dissert Milton Ernesto Barrios Aguilar 3.pdf: 9539969 bytes, checksum: 3ccd249e45fb24533b33236925ee74dc (MD5) Previous issue date: 2016-08-04 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The increase in wind power integration into power systems is currently a general trend in many countries and the Variable-Speed Wind Turbine (VSWT) Equipped with a Doubly Fed Induction Generator System with back-to-back power converters are most often used for this purpose. There is the need for its control system to operate properly to ensure stability and to achieve the desired performance when they are subjected to different transient disturbances, which is a difficult taste due to nonlinearities and strong coupling between electrical and mechanical variables in this type of wind turbine. In this context, this work aims to tune the gains of the PI controllers that make up the control system using a collective intelligence meta-heuristic algorithm for two normal perturbations in the operation of a wind farm: a wind variation and electrical fault. For that, it was modeled the wind turbine taking advantage of detailed modeling, considering the stator voltage oriented control structure, with active and reactive power control loops and their respective current controls, all equipped with PI controllers. Therefore, a set of objective functions was generated penalizing the most important variables directly from the dynamic simulation. Next, a multi-objective PSO algorithm has been enhanced, to be used as a tuning tool. Then the algorithm was applied to the VSWT for Single-machine infinite bus system for wind speed variation and electrical fault. Finally, the robustness of the tunings was tested on the in Single-machine infinite bus system and a 32 nodes feeder. The PSO showed good ability to exploitation and intensification of the search space reaching the preset tuning requirements in all cases. Stability and satisfactory performance results were obtained for transient disturbances thanks to key variables penalty in the objective functions. The tuning resulted robust enough for variations of feeder parameters and operating conditions besides the proper stiffness coefficient of the turbine generator mechanical coupling, whenever the wind turbine was subjected to disturbances considered in the tuning. It is also noted that exploring the objective functions and the algorithm itself can attain a large improvement in the performance of the tuned wind turbine control system for wind variations and electrical faults / O aumento da integração da geração eólica em sistemas elétricos de potência é atualmente uma tendência generalizada em muitos países e os Aerogeradores de Velocidade Variáveis (AVV) com Geradores de Indução de Dupla Alimentação (DFIG) com conversores de potência de tipo back-to-back são os mais empregados para este fim. Existe a necessidade de que seu sistema de controle atue corretamente para garantir a estabilidade e obter o desempenho desejado quando estes são submetidos a diferentes perturbações transitórias, o que resulta difícil devido às não-linearidades e à forte relação entre as grandezas elétricas e mecânicas deste tipo de aerogerador. Neste contexto, esta dissertação tem como objetivo a sintonia dos ganhos dos controladores PI que compõem o sistema de controle, utilizando um algoritmo meta-heurístico de inteligência coletiva, para duas perturbações normais na operação de uma usina eólica: variação de vento e falta elétrica. Para isso, foi modelado o DFIG aproveitando modelos detalhados, considerando a estrutura de controle orientada pela tensão do estator, com malhas de controle de potência ativa e reativa e seus respetivos controles de correntes, todas equipadas com controladores tipo PI. Logo foi gerado um conjunto de funções objetivos, penalizando diretamente das simulação dinâmica as variáveis de maior importância. A seguir, foi aprimorado um algoritmo PSO multi-objetivo, o qual é utilizado como ferramenta de sintonia. Em seguida, o algoritmo foi aplicado ao DFIG na configuração máquina barra-infinita para variação de vento e falta elétrica. Finalmente foi testada a robustez das sintonias obtidas no sistema de máquina barra-infinita e em um alimentador de 32 nós. O PSO apresentou uma boa capacidade de exploração e intensificação do espaço de busca alcançando os requisitos de sintonia preestabelecidos em todos os casos. Os resultados de estabilidade e desempenhos foram satisfatórios para as perturbações transitórias utilizadas graças à penalização de variáveis chaves nas funções objetivos. A sintonia resultou suficientemente robusta para variações de parâmetros do alimentador e de condições operativas, além do próprio coeficiente de rigidez do acoplamento mecânico turbina-gerador, sempre que a usina esteja submetida a perturbações consideradas na sintonia. Observa-se também que explorando as funções objetivo e o próprio algoritmo pode-se atingir uma ampla melhoria no desempenho do sistema de controle do DFIG sintonizado para as variações de vento e faltas elétricas. Palavras-chave: Geração Eólica, Aerogeradores

Made available in DSpace on 2017-07-10T17:11:44Z (GMT). No. of bitstreams: 1 DISSERTACAO OSCAR SCUSSEL.pdf: 4301786 bytes, checksum: 8a64e99e73bc5e4478b9e5077d78baed (MD5) Previous issue date: 2013-03-04 / Impulse Response Functions (IRFs) are important in many engineering applications, mainly in structural dynamics and modal analysis involving experimental modal tests. These IRFs can be identified through several methods. Among these, the classical covariance method is one of the most used and it is based on the sum of convolution from the correlation functions between input and output signals known. However, this method is limited because it employs a large number of samples and has drawbacks related to over parametrization. In this sense, this work presentes and review the covariance method expanded in the ortonormal basis Kautz functions, because this alternative way allows to avoid these drawbacks. In order to ilustrate the procedure an algorithm with multiple objective functions to obtain the optimal poles of the Kautz filter is shown. The results are provided through three degree-of-freedom mechanical system simulated and experimental data in a beam to show the advantages, drawbacks, simplicity and efficiency of the proposed approach. / As funções de resposta ao impulso (IRFs) exercem papel de destaque na identificação de sistemas reais quando têm-se o conhecimento dos dados de entrada/saída do sistema. Essas IRFs são relevantes em muitas aplicações de Engenharia, especialmente em análise modal experimental de estruturas. Dentre os métodos para obtenção dessas IRFs, destaca-se o clássico método das covariâncias baseado na soma de convolução das funções de correlação entre os sinais de entrada e saída conhecidos. No entanto, esse método é limitado quando são coletadas muitas amostras e possui algumas desvantagens como efeitos de sobreparametrização. Neste sentido, este trabalho apresenta e revisa o método das covariâncias expandido na base ortonormal de Kautz para aplicações em identificação de sistemas mecânicos, pois essa forma alternativa permite evitar esses efeitos de sobreparametrização. Para obter os pólos ótimos dos filtros de Kautz, emprega-se um algoritmo multi-objetivo. Os resultados são verificados através de um sistema mecânico com três graus de liberdade e em dados experimentais a partir de uma viga na condição livre-livre no qual verificam-se as vantagens, desvantagens, simplicidade e eficiência do método proposto.

A Otimização Multidisciplinar em Projeto (em inglês, Multidisciplinary Design Optimization - MDO) é uma ferramenta de projeto importante e versátil e seu uso está se expandindo em diversos campos da engenharia. O foco desta metodologia é unir disciplinas envolvidas no projeto para que trabalhem suas variáveis concomitantemente em um ambiente de otimização, para obter soluções melhores. É possível utilizar MDO em qualquer fase do projeto, seja a fase conceitual, preliminar ou detalhada, desde que os modelos numéricos sejam ajustados às necessidades de cada uma delas. Este trabalho descreve o desenvolvimento de um código de MDO para o projeto conceitual de asas flexíveis de aeronaves, com restrição quanto ao fenômeno denominado flutter. Como uma ferramenta para o projetista na fase conceitual, os modelos numéricos devem ser razoavelmente precisos e rápidos. O intuito deste estudo é analisar o uso de metamodelos para a previsão do flutter de asas de aeronaves no código de MDO, ao invés de um modelo convencional, o que pode alterar significativamente o custo computacional da otimização. Para este fim são avaliados três técnicas diferentes de metamodelagem, que foram escolhidas por representarem duas classes básicas de metamodelos, a classe de métodos de interpolação e a de métodos de aproximação. Para representá-las foram escolhidos o método de interpolação por funções de base radial e o método de redes neurais artificiais, respectivamente. O terceiro método, que é considerado um método híbrido dos dois anteriores, é chamado de redes neurais por funções de bases radiais e é uma tentativa de acoplar as características de ambos em um único metamodelo. Os metamodelos são preparados utilizando um código para solução aeroelástica baseado no método dos elementos finitos acoplado com um modelo aerodinâmico linear de faixas. São apresentados resultados de desempenho dos três metamodelos, de onde se pode notar que a rede neural artificial é a mais adequada para previsão de flutter. O processo de MDO é realizado com o uso de um algoritmo genético multi-objetivo baseado em não-dominância, cujos objetivos são a maximização da velocidade crítica de flutter e a minimização da massa estrutural. Dois estudos de caso são apresentados para avaliar o desempenho do código de MDO, revelando que o processo global de otimização realiza de fato a busca pela fronteira de Pareto. / The Multidisciplinary Design Optimization, MDO, is an important and versatile design tool and its use is spreading out in several fields of engineering. The focus of this methodology is to put together disciplines involved with the design to work all their variables concomitantly, at an optimization environment to obtain better solutions. It is possible to use MDO in any stage of the design process, that is in the conceptual, preliminary or detailed design, as long as the numerical models are fitted to the needs of each of these stages. This work describes the development of a MDO code for the conceptual design of flexible aircraft wings, with restrictions regarding the phenomenon called flutter. As a tool for the designer at the conceptual stage, the numerical models must be fairly accurate and fast. The aim of this study is to analyze the use of metamodels for the flutter prediction of aircraft wings in the MDO code, instead of a conventional model itself, what may affect significantly the computational cost of the optimization. For this purpose, three different metamodeling techniques have been evaluated, representing two basic metamodel classes, that are, the interpolation and the approximation class. These classes are represented by the radial basis function interpolation method and the artificial neural networks method, respectively. The third method, which is considered as a hybrid of the other two, is called radial basis function neural networks and is an attempt of coupling the features of both in single code. Metamodels are prepared using an aeroelastic code based on finite element model coupled with linear aerodynamics. Results of the three metamodels performance are presented, from where one can note that the artificial neural network is best suited for flutter prediction. The MDO process is achieved using a non-dominance based multi-objective genetic algorithm, whose objectives are the maximization of critical flutter speed and minimization of structural mass. Two case studies are presented to evaluate the performance of the MDO code, revealing that overall optimization process actually performs the search for the Pareto frontier.

Submitted by Sáboia Nágila (nagila.saboia01@gmail.com) on 2016-07-29T14:09:40Z No. of bitstreams: 1 Disertação-Anibrata Pal.pdf: 1139751 bytes, checksum: a29e1923e75e239365abac2dc74c7f40 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2016-08-15T17:54:46Z (GMT) No. of bitstreams: 1 Disertação-Anibrata Pal.pdf: 1139751 bytes, checksum: a29e1923e75e239365abac2dc74c7f40 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2016-08-15T17:57:29Z (GMT) No. of bitstreams: 1 Disertação-Anibrata Pal.pdf: 1139751 bytes, checksum: a29e1923e75e239365abac2dc74c7f40 (MD5) / Made available in DSpace on 2016-08-15T17:57:29Z (GMT). No. of bitstreams: 1 Disertação-Anibrata Pal.pdf: 1139751 bytes, checksum: a29e1923e75e239365abac2dc74c7f40 (MD5) Previous issue date: 2016-04-19 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The world of information retrieval revolves around web search engines. Text search engines are one of the most important source for routing information. The web search engines index huge volumes of data and handles billions of documents. The learn to rank methods have been adopted in the recent past to generate high quality answers for the search engines. The ultimate goal of these systems are to provide high quality results and, at the same time, reduce the computational time for query processing. Drawing direct correlation from the aforementioned fact; reading from smaller or compact indexes always accelerate data read or in other words, reduce computational time during query processing. In this thesis we study about using learning to rank method to not only produce high quality ranking of search results, but also to optimize another important aspect of search systems, the compression achieved in their indexes. We show that it is possible to achieve impressive gains in search engine index compression with virtually no loss in the final quality of results by using simple, yet effective, multi objective optimization techniques in the learning process. We also used basic pruning techniques to find out the impact of pruning in the compression of indexes. In our best approach, we were able to achieve more than 40% compression of the existing index, while keeping the quality of results at par with methods that disregard compression. / Máquinas de busca web para a web indexam grandes volumes de dados, lidando com coleções que muitas vezes são compostas por dezenas de bilhões de documentos. Métodos aprendizagem de máquina têm sido adotados para gerar as respostas de alta qualidade nesses sistemas e, mais recentemente, há métodos de aprendizagem de máquina propostos para a fusão de evidências durante o processo de indexação das bases de dados. Estes métodos servem então não somente para melhorar a qualidade de respostas em sistemas de busca, mas também para reduzir custos de processamento de consultas. O único método de fusão de evidências em tempo de indexação proposto na literatura tem como foco exclusivamente o aprendizado de funções de fusão de evidências que gerem bons resultados durante o processamento de consulta, buscando otimizar este único objetivo no processo de aprendizagem. O presente trabalho apresenta uma proposta onde utiliza-se o método de aprendizagem com múltiplos objetivos, visando otimizar, ao mesmo tempo, tanto a qualidade de respostas produzidas quando o grau de compressão do índice produzido pela fusão de rankings. Os resultados apresentados indicam que a adoção de um processo de aprendizagem com múltiplos objetivos permite que se obtenha melhora significativa na compressão dos índices produzidos sem que haja perda significativa na qualidade final do ranking produzido pelo sistema.

Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2017-06-14T11:09:20Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Luiz Henrique Reis de Jesus - 2017.pdf: 3311759 bytes, checksum: 20e4044376c2666f102131892f7b3fc2 (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2017-06-14T11:09:35Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Luiz Henrique Reis de Jesus - 2017.pdf: 3311759 bytes, checksum: 20e4044376c2666f102131892f7b3fc2 (MD5) / Made available in DSpace on 2017-06-14T11:09:35Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Luiz Henrique Reis de Jesus - 2017.pdf: 3311759 bytes, checksum: 20e4044376c2666f102131892f7b3fc2 (MD5) Previous issue date: 2017-05-15 / Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq / This dissertation of master degree describes an approach of the interactive optimization process associate to the Evolution Strategies method for the evaluation of the loudspeaker optimization project, with the objective to present the advantages achieved after the user interventions throughout the optimization process. Its development is based on the methodology of the Evolution Strategies characterized by the concept of natural selection, which uses combination and mutation methods to generate new individuals. However, for greater efficiency in the responses of the objective function, as well as the reduction in its convergence time, the optimization process requires interventions in stabilization of local minima and maxima. In the interventions made available to the user, will be considered manipulations in the operators of mutation and combination, mutation of the parameters of self-adaptation, as well as the change of objective and the variation of their respective restriction. As a differential, an interface was developed to make feasible the user interventions applied to the optimization process, as well as the monitoring of the entire process. In this work, also evaluated optimization test functions with the objective of validating the proposed methodology. / Esta dissertação de mestrado descreve uma abordagem do processo de otimização interativa associado ao método das Estratégias de Evolução para a avaliação do projeto de otimização do alto-falante, com o objetivo de apresentar as vantagens alcançadas após as intervenções do usuário ao longo do processo de otimização. Seu desenvolvimento é baseado na metodologia das Estratégias de Evolução caracterizada pelo conceito de seleção natural, o qual utiliza de métodos de combinação e mutação para a geração de novos indivíduos. No entanto, para maior eficiência nas respostas a função objetivo, bem como a redução em seu tempo de convergência, o processo de otimização necessita de intervenções em estabilizações de mínimos e máximos locais. Nas intervenções disponibilizadas ao usuário, serão consideradas manipulações nos operadores de mutação e combinação, mutação dos parâmetros de auto-adaptação, bem como a mudança de objetivo e a variação de sua respectiva restrição. Como diferencial, foi desenvolvida uma interface para viabilizar as intervenções do usuário aplicadas ao processo de otimização, bem como o acompanhamento de todo o processo. Neste trabalho, também foram avaliadas funções de teste de otimização com o objetivo de validar a metodologia proposta.

Esta Dissertação aborda o Problema de Alocação de Aulas a Salas (PAAS), também conhecido como Problema de Alocação de Salas (PAS). As instituições de ensino superior, no começo de seus calendários letivos, resolvem um PAAS ao determinar os espaços a serem utilizados para as atividades didáticas. Porém, em muitas destas instituições o PAAS é ainda resolvido manualmente, gerando altas cargas de trabalho para os responsáveis. Neste trabalho, o Instituto de Ciências Matemáticas e de Computação (ICMC) da Universidade de São Paulo (USP) foi tomado como caso de estudo para o PAAS. Um modelo de programação matemática inteiro é proposto e abordado por técnicas de resolução exata, metaheurísticas mono-objetivo e uma abordagem multi-objetivo. Uma estrutura de vizinhança proposta obteve resultados comparáveis à da metodologia exata, para um tempo fixo de execução. Demonstra-se que, a abordagem multi-objetivo é uma possibilidade de contornar algumas dificuldades clássicas do problema, como incertezas sobre a escolha dos pesos das métricas. Os métodos de solução propostos para o problema fornecem, aos responsáveis, bons instrumentos de auxílio à tomada de decisão para o PAAS. / This Dissertation addresses the Classroom Assignment Problem (CAP). All Higher Education Institutes, at the schoolyear\'s begin, faces a CAP to define where the classes will be taught. However, many of those still solves this problem manually, demanding high efforts from the responsible staff. In this study, the Universidade de São Paulo\'s (USP) Instituto de Ciências Matemáticas e de Computação (ICMC) was tackled as study case for the CAP. An Integer Programming Model is proposed and tackled by exact methods, meta-heuristics and a multi-objective approach. A novel neighborhood operator is proposed for the local search and obtains good results, even comparable to the exact method. The multi-objective approach is shown to overcome some of the classical adversity of the mono-objective approach, e.g., choosing weights to quality metric. Those CAP\'s proposed solution methods, gives the responsible staff a good decision making support.

[ES] El aumento en el uso de combustibles fósiles para la generación de energía ha contribuido significativamente a la crisis del calentamiento global. Diferentes lugares alejados de la infraestructura eléctrica emplean generadores a base de gasolina que aumentan la contaminación ambiental. En este contexto, la introducción masiva de microrredes en la sociedad ha traído oportunidades para la generación de energía de forma distribuida, beneficiando a personas en todo el mundo. Por ejemplo, las microrredes pueden brindar electricidad a poblaciones vulnerables que viven en áreas remotas con acceso limitado a infraestructuras de transmisión y distribución. Además, las microrredes promueven el uso de recursos renovables, reduciendo el impacto ambiental en comparación con los métodos tradicionales de generación de electricidad, como las plantas de energía térmica o las instalaciones nucleares. Además, las microrredes permiten la generación de electricidad a pequeña escala, lo que permite que las familias logren la independencia energética y vendan el exceso de energía a la compañía eléctrica local. Cualquier inversor en una microrred necesita un algoritmo de control para realizar una regulación en bucle cerrado. En este contexto, el control por modos deslizantes de segundo orden es una estrategia de control robusta que ha ganado atención en las aplicaciones de inversores de microrredes. Mediante el uso de este enfoque, el inversor puede lograr un control preciso y rápido, incluso en presencia de incertidumbres y perturbaciones. El uso de estrategias de control robustas mejora la estabilidad y el rendimiento general del sistema de microrredes, asegurando una gestión de energía óptima. El proceso de ajuste es esencial para los algoritmos de control en bucle cerrado, ya que modifica la respuesta del controlador para alcanzar los objetivos de control. La optimización por enjambre de partículas (PSO por sus siglas en inglés) es un eficiente algoritmo de optimización empleado en controladores en lazo cerrado que puede resolver de manera efectiva problemas multi-objetivo formulados en una sola función de costo. Los parámetros de control del inversor de la microrred pueden ser optimizados mediante la utilización de PSO para lograr los objetivos deseados, ajustando de manera eficiente una estrategia de control. Para controladores por modos deslizantes, algunas estrategias de ajuste se basan en técnicas heurísticas. La función de costo única resuelve varios problemas en una microrred, pero existen dificultades cuando diferentes objetivos en un proceso no pueden ser mejorados simultáneamente debido a su relación conflictiva. Estrategias como Algoritmos Genéticos Multi-Objetivo (MOGA por sus siglas en inglés), Evolución Diferencial Multi-Objetivo (MODE por sus siglas en inglés) y Algoritmo Artificial de Ovejas Multi-Objetivo (MOASA por sus siglas en inglés), han demostrado su capacidad para mejorar el rendimiento del inversor mediante la optimización de objetivos conflictivos. Estos algoritmos pueden equilibrar de manera efectiva objetivos como la reducción del tiempo de respuesta y la minimización del sobreimpulso en la señal de salida del inversor. En consecuencia, el rendimiento general y la eficiencia de los inversores de la microrred pueden mejorar. La integración de algoritmos de control multi-objetivo en los inversores de la microrred tiene un gran potencial para abordar los desafíos de gestión de energía y optimizar el rendimiento. Los inversores de la microrred pueden lograr una mayor estabilidad, eficiencia y confiabilidad utilizando técnicas como el control por modos deslizantes de segundo orden y algoritmos de optimización como PSO, MOGA, MODE y MOASA. Al adoptar estos enfoques, se presenta una nueva metodología para un futuro energético más sostenible y resiliente, al tiempo que se mitigan los efectos adversos del calentamiento global causado por el consumo de combustibles fósiles en la generación convencional de energía. / [CA] L'augment en l'ús de combustibles fòssils per a la generació d'energia ha contribuït significativament a la crisi de l'escalfament global. Diferents llocs allunyats de la infraestructura elèctrica empleen generadors a base de gasolina que augmenten la contaminació ambiental. En aquest context, la introducció massiva de microxarxes a la societat ha comportat oportunitats per a la generació d'energia de forma distribuïda, beneficiant persones arreu del món. Per exemple, les microxarxes poden proporcionar electricitat a poblacions vulnerables que viuen en àrees remotes amb accés limitat a infraestructures de transmissió i distribució. A més, les microxarxes promouen l'ús de recursos renovables, reduint l'impacte ambiental en comparació amb els mètodes tradicionals de generació d'electricitat, com les plantes d'energia tèrmica o les instal·lacions nuclears. A més a més, les microxarxes permeten la generació d'electricitat a petita escala, la qual cosa permet que les famílies aconsegueixin la independència energètica i venguen l'excedent d'energia a la companyia elèctrica local. Qualsevol inversor en una microxarxa necessita un algoritme de control per a realitzar una regulació en bucle tancat. En aquest context, el control per modes lliscants de segon ordre és una estratègia de control robusta que ha guanyat atenció en les aplicacions d'inversors de microxarxes. Mitjançant l'ús d'aquest enfocament, l'inversor pot aconseguir un control precís i ràpid, fins i tot en presència d'incerteses i pertorbacions. L'ús d'estratègies de control robustes millora l'estabilitat i el rendiment general del sistema de microxarxes, assegurant una gestió d'energia òptima. El procés d'ajust és essencial pels algoritmes de control en bucle tancat, ja que modifica la resposta del controlador per a aconseguir els objectius de control. L'optimització per enjambre de partícules (PSO per les seues sigles en anglés) és un eficient algoritme d'optimització emprat en controladors en bucle tancat que pot resoldre de manera efectiva problemes multi-objectiu formulats en una sola funció de cost. Els paràmetres de control de l'inversor de la microxarxa poden ser optimitzats mitjançant l'utilització de PSO per a aconseguir els objectius desitjats, ajustant de manera eficient una estratègia de control. Per a controladors per modes lliscants, algunes estratègies d'ajust es basen en tècniques heurístiques. La funció de cost única resol diversos problemes en una microxarxa, però existeixen dificultats quan diferents objectius en un procés no poden ser millorats simultàniament a causa de la seua relació conflictiva. Estratègies com Algorismes Genètics Multi-Objectiu (MOGA per les seues sigles en anglés), Evolució Diferencial Multi-Objectiu (MODE per les seues sigles en anglés) i Algorisme Artificial de Xais Multi-Objectiu (MOASA per les seues sigles en anglés), han demostrat la seua capacitat per a millorar el rendiment de l'inversor mitjançant l'optimització d'objectius conflictius. Aquests algorismes poden equilibrar de manera efectiva objectius com la reducció del temps de resposta i la minimització del sobreguiny a la senyal de sortida de l'inversor. En conseqüència, el rendiment general i l'eficiència dels inversors de la microxarxa poden millorar. La integració d'algorismes de control multi-objectiu en els inversors de la microxarxa té un gran potencial per a abordar els desafiaments de gestió d'energia i optimitzar el rendiment. Els inversors de la microxarxa poden aconseguir una major estabilitat, eficiència i fiabilitat utilitzant tècniques com el control per modes lliscants de segon ordre i algorismes d'optimització com PSO, MOGA, MODE i MOASA. En adoptar aquests enfocaments, es presenta una nova metodologia per a un futur energètic més sostenible i resilient, al mateix temps que es mitiguen els efectes adversos de l'escalfament global causat pel consum de combustibles fòssils en la generació convencional d'energia. / [EN] The increase in fossil fuel usage for power generation has significantly contributed to the global warming crisis. Various remote areas, detached from electrical infrastructure, rely on gasoline-based generators that escalate environmental pollution. In this context, the widespread implementation of microgrids in society has brought forth opportunities for distributed energy generation, benefiting people worldwide. For instance, microgrids can provide electricity to vulnerable populations in remote areas with limited access to transmission and distribution infrastructures. Furthermore, these microgrids advocate for using renewable resources, diminishing environmental impact compared to traditional methods such as thermal power plants or nuclear facilities. Additionally, microgrids enable small-scale electricity generation, empowering families to achieve energy independence and sell surplus energy to local power companies. Any investor in a microgrid requires a closed-loop control algorithm. In this realm, the second-order sliding mode control is a robust strategy garnering attention in microgrid inverter applications. Through this approach, the inverter can achieve precise and rapid control despite uncertainties and disturbances. Using robust control strategies enhances microgrid systems' stability and overall performance, ensuring optimal energy management. Adjustment processes are pivotal for closed-loop control algorithms, modifying the controller's response to meet control objectives. Particle Swarm Optimization (PSO) is an efficient optimization algorithm employed in closed-loop controllers that can effectively solve multi-objective problems formulated in a single cost function. Control parameters of the microgrid inverter can be optimized using PSO to attain desired objectives, efficiently fine-tuning a control strategy. For sliding mode controllers, some adjustment strategies rely on heuristic techniques. While a single cost function resolves various issues within a microgrid, difficulties arise when different objectives in a process cannot be simultaneously improved due to conflicting relationships. Strategies like Multi-Objective Genetic Algorithms (MOGA), Multi-Objective Differential Evolution (MODE), and Multi-Objective Artificial Sheep Algorithm (MOASA) have proven their ability to enhance inverter performance by optimizing conflicting objectives. These algorithms effectively balance objectives like reducing response time and minimizing overshoot in the inverter's output signal. Consequently, the overall performance and efficiency of microgrid inverters can be enhanced. Integrating multi-objective control algorithms into microgrid inverters holds significant potential in addressing energy management challenges and optimizing performance. Microgrid inverters can achieve greater stability, efficiency, and reliability by utilizing second-order sliding mode control and optimization algorithms like PSO, MOGA, MODE, and MOASA. By embracing these approaches, a new methodology emerges for a more sustainable and resilient energy future while mitigating the adverse effects of global warming caused by conventional fossil fuel consumption in power generation. / Gonzales Zurita, ÓO. (2024). Multi-objective Control on Inverter-Based Microgrids [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/203120

No contexto da operação de sistemas de distribuição, um dos problemas com os quais os operadores lidam frequentemente é o de restabelecimento de energia. Este problema surge na ocorrência de uma falta permanente e pode ser tratado por meio de manobras em chaves presentes na rede primária. Uma vez que tais redes operam com topologia radial, a ocorrência de uma falta pode resultar no desligamento de consumidores saudáveis. Desta maneira, o problema consiste em definir, num curto intervalo de tempo, um número mínimo de chaves que devem ser operadas a fim de isolar a falta e restaurar o máximo de consumidores saudáveis desligados. Os esforços para a obtenção de ferramentas computacionais para fornecimento de soluções para o problema de restabelecimento têm sido intensificados nos últimos anos. Isto ocorre, em especial, devido aos enormes prejuízos causados pela falta de energia às companhias de eletricidade e a toda a sociedade. Neste sentido, o objetivo deste trabalho é a obtenção de um método para auxiliar o trabalho dos operadores através do fornecimento de planos adequados de restabelecimento em curtos intervalos de tempo. Os diferenciais deste método proposto são a sua capacidade de: lidar, em especial, com redes reais de grande porte com reduzido esforço computacional; considerar a existência de vários níveis de prioridade de atendimento entre os consumidores (note, por exemplo, que um hospital ou um centro de segurança pública devem ter maior prioridade de atendimento que um grande supermercado ou unidades residenciais) e priorizar o atendimento deles de acordo a sua prioridade; fornecer uma sequência por meio da qual as chaves possam ser operadas a fim de isolar os setores em falta e reconectar o maior número de consumidores saudáveis desligados executando-se o mínimo de manobras em chaves e priorizando os consumidores com maior prioridade; ser capaz de selecionar cargas menos prioritárias para permaneceram desligadas nas situações em que não é possível obter uma solução que restaure todas as cargas saudáveis fora de serviço; e, adicionalmente, priorizar a operação de chaves controladas remotamente, que, diferentemente das chaves controladas manualmente, podem ser operadas com menores custos e de maneira mais rápida. O método proposto consiste, de maneira sintética, na união de uma busca exaustiva aplicada localmente a um novo algoritmo evolutivo multi-objetivo em tabelas de subpopulação que faz uso de uma estrutura de dados eficiente denominada Representação Nó-Profundidade. Para avaliar a performance relativa do método proposto, simulações foram realizadas num sistema de distribuição de pequeno porte e os resultados foram comparados com os obtidos por um método de Programação Matemática. Na sequência, novos experimentos foram realizadas em diversos casos de falta na rede de distribuição da cidade de Londrina-PR e cidades adjacentes. As soluções fornecidas mostraram-se adequadas ao tratamento dos casos de falta, assim como as sequências de chaveamento associadas a elas, as quais foram capazes de priorizar o restabelecimento dos consumidores prioritários seguindo seus níveis de prioridade. Adicionalmente, estudos avaliaram a variação do tempo de processamento computacional do método proposto com a dimensão das redes de distribuições e também com o número de gerações realizadas pelo algoritmo evolutivo multi-objetivo proposto e os resultados mostraram-se satisfatórios às necessidades do problema Portanto, pode-se comprovar que o método proposto atingiu os objetivos especificados, em especial, o tratamento de aspectos práticos do problema. Além do próprio método proposto, algumas contribuições desta pesquisa são a proposição um novo algoritmo evolutivo multiobjetivo em tabelas de subpopulação e de um novo operador para manipulação de florestas de grafo armazenadas pela Representação Nó-Profundidade e voltado ao problema de restabelecimento. / In the context of distribution systems operation, service restoration is one of the problems with which operators constantly deal. It arises when a permanent fault occurs and is treated trough operations in switches at primary grid. Since distribution systems are usually radial, fault occurrence turns-off healthy customers. Thereby, the service restoration problem consists in defining, in a short processing time, the minimum amount of switches that must be operated for the isolation of the fault and reconnection of the maximum amount of healthy out-of-service customers. The efforts of developing computational tools for getting solution to this problems has increased in the last years. It is, in special, due to enormous losses caused to the utilities and to the whole society. In this sense, the main objective of this research is getting a method able to help the distribution system operator\'s work through providing service restoration plans quickly. The differentials of this research are its ability to: deal, in special, with large scale grids whit a reduced computational effort; consider costumers of several priority levels (note, for instance, a hospital has a higher supply priority in relation to a big supermarket) and prioritize the higher priority customers; provide a switching sequence able to isolate and reconnect the maximum amount of healthy out-of-service customer by the minimum amount of switching actions; select lower priority customers to keep out-of-service in order to reconnect higher priority customers when a it is not possible to restore all customers; and, additionally, prioritize switching operation in remotely controlled switches, whose operation is faster and cheapest than the operation of manually controlled switches. The proposed method mixes a local exhaustive search and a new multi-objective evolutionary algorithm in subpopulation tables that uses a data structure named Node-Depth Encoding. For evaluating the relative performance of proposed method, simulations were performed in small distribution systems and the performance was compared with the performance a Mathematical Programing method from literature. New experiments were performed a Mathematical Programing method from literature. New experiments were performed in several fault situations in the real and large-scale distribution system of Londrina-PR and adjacent cities. The solutions provided were appropriated to the treatment of such contingency situations. The same occurs with the switching sequences provided, which were able to prioritize the restoration of higher priority customers. Additional studies evaluated the variation of the running time with the size of grids and with the values adopted for the maximum number of generations of the evolutionary algorithm (which is an input parameter). The results expressed the running time of the proposed method is suitable to the problem needs. Therefore, it could be proved the proposed method achieved the specified objectives, in special, the treatment of practical aspects of the problem. Besides the proposed method, some contributions of this research are proposition of a new multi-objective evolutionary algorithm in subpopulation tables and a new reproduction operator to manipulate graph forests computationally represented by Node-Depth Encoding.

No contexto da operação de sistemas de distribuição, um dos problemas com os quais os operadores lidam frequentemente é o de restabelecimento de energia. Este problema surge na ocorrência de uma falta permanente e pode ser tratado por meio de manobras em chaves presentes na rede primária. Uma vez que tais redes operam com topologia radial, a ocorrência de uma falta pode resultar no desligamento de consumidores saudáveis. Desta maneira, o problema consiste em definir, num curto intervalo de tempo, um número mínimo de chaves que devem ser operadas a fim de isolar a falta e restaurar o máximo de consumidores saudáveis desligados. Os esforços para a obtenção de ferramentas computacionais para fornecimento de soluções para o problema de restabelecimento têm sido intensificados nos últimos anos. Isto ocorre, em especial, devido aos enormes prejuízos causados pela falta de energia às companhias de eletricidade e a toda a sociedade. Neste sentido, o objetivo deste trabalho é a obtenção de um método para auxiliar o trabalho dos operadores através do fornecimento de planos adequados de restabelecimento em curtos intervalos de tempo. Os diferenciais deste método proposto são a sua capacidade de: lidar, em especial, com redes reais de grande porte com reduzido esforço computacional; considerar a existência de vários níveis de prioridade de atendimento entre os consumidores (note, por exemplo, que um hospital ou um centro de segurança pública devem ter maior prioridade de atendimento que um grande supermercado ou unidades residenciais) e priorizar o atendimento deles de acordo a sua prioridade; fornecer uma sequência por meio da qual as chaves possam ser operadas a fim de isolar os setores em falta e reconectar o maior número de consumidores saudáveis desligados executando-se o mínimo de manobras em chaves e priorizando os consumidores com maior prioridade; ser capaz de selecionar cargas menos prioritárias para permaneceram desligadas nas situações em que não é possível obter uma solução que restaure todas as cargas saudáveis fora de serviço; e, adicionalmente, priorizar a operação de chaves controladas remotamente, que, diferentemente das chaves controladas manualmente, podem ser operadas com menores custos e de maneira mais rápida. O método proposto consiste, de maneira sintética, na união de uma busca exaustiva aplicada localmente a um novo algoritmo evolutivo multi-objetivo em tabelas de subpopulação que faz uso de uma estrutura de dados eficiente denominada Representação Nó-Profundidade. Para avaliar a performance relativa do método proposto, simulações foram realizadas num sistema de distribuição de pequeno porte e os resultados foram comparados com os obtidos por um método de Programação Matemática. Na sequência, novos experimentos foram realizadas em diversos casos de falta na rede de distribuição da cidade de Londrina-PR e cidades adjacentes. As soluções fornecidas mostraram-se adequadas ao tratamento dos casos de falta, assim como as sequências de chaveamento associadas a elas, as quais foram capazes de priorizar o restabelecimento dos consumidores prioritários seguindo seus níveis de prioridade. Adicionalmente, estudos avaliaram a variação do tempo de processamento computacional do método proposto com a dimensão das redes de distribuições e também com o número de gerações realizadas pelo algoritmo evolutivo multi-objetivo proposto e os resultados mostraram-se satisfatórios às necessidades do problema Portanto, pode-se comprovar que o método proposto atingiu os objetivos especificados, em especial, o tratamento de aspectos práticos do problema. Além do próprio método proposto, algumas contribuições desta pesquisa são a proposição um novo algoritmo evolutivo multiobjetivo em tabelas de subpopulação e de um novo operador para manipulação de florestas de grafo armazenadas pela Representação Nó-Profundidade e voltado ao problema de restabelecimento. / In the context of distribution systems operation, service restoration is one of the problems with which operators constantly deal. It arises when a permanent fault occurs and is treated trough operations in switches at primary grid. Since distribution systems are usually radial, fault occurrence turns-off healthy customers. Thereby, the service restoration problem consists in defining, in a short processing time, the minimum amount of switches that must be operated for the isolation of the fault and reconnection of the maximum amount of healthy out-of-service customers. The efforts of developing computational tools for getting solution to this problems has increased in the last years. It is, in special, due to enormous losses caused to the utilities and to the whole society. In this sense, the main objective of this research is getting a method able to help the distribution system operator\'s work through providing service restoration plans quickly. The differentials of this research are its ability to: deal, in special, with large scale grids whit a reduced computational effort; consider costumers of several priority levels (note, for instance, a hospital has a higher supply priority in relation to a big supermarket) and prioritize the higher priority customers; provide a switching sequence able to isolate and reconnect the maximum amount of healthy out-of-service customer by the minimum amount of switching actions; select lower priority customers to keep out-of-service in order to reconnect higher priority customers when a it is not possible to restore all customers; and, additionally, prioritize switching operation in remotely controlled switches, whose operation is faster and cheapest than the operation of manually controlled switches. The proposed method mixes a local exhaustive search and a new multi-objective evolutionary algorithm in subpopulation tables that uses a data structure named Node-Depth Encoding. For evaluating the relative performance of proposed method, simulations were performed in small distribution systems and the performance was compared with the performance a Mathematical Programing method from literature. New experiments were performed a Mathematical Programing method from literature. New experiments were performed in several fault situations in the real and large-scale distribution system of Londrina-PR and adjacent cities. The solutions provided were appropriated to the treatment of such contingency situations. The same occurs with the switching sequences provided, which were able to prioritize the restoration of higher priority customers. Additional studies evaluated the variation of the running time with the size of grids and with the values adopted for the maximum number of generations of the evolutionary algorithm (which is an input parameter). The results expressed the running time of the proposed method is suitable to the problem needs. Therefore, it could be proved the proposed method achieved the specified objectives, in special, the treatment of practical aspects of the problem. Besides the proposed method, some contributions of this research are proposition of a new multi-objective evolutionary algorithm in subpopulation tables and a new reproduction operator to manipulate graph forests computationally represented by Node-Depth Encoding.