Use of a multi-objective teaching-learning algorithm for reduction of power losses in a power test system

Este artículo presenta un algoritmo de enseñanza-aprendizaje multi-objetivo basado en descomposición para resolver el problema del despacho óptimo de potencia reactiva (ORPD). La efectividad y el desempeño del algoritmo propuesto son comparados con respecto a un algoritmo evolutivo multi-objetivo ba...

Full description

Bibliographic Details
Main Authors: Miguel A. Medina, Juan M. Ramirez, Carlos A. Coello, Swagatam Das
Format: Article
Language:English
Published: Universidad Nacional de Colombia 2014-01-01
Series:Dyna
Online Access:http://www.redalyc.org/articulo.oa?id=49631031029
id doaj-d66776d2538e40a58be2982c7ac594f0
record_format Article
spelling doaj-d66776d2538e40a58be2982c7ac594f02020-11-24T22:31:08ZengUniversidad Nacional de Colombia Dyna0012-73532014-01-0181185204211Use of a multi-objective teaching-learning algorithm for reduction of power losses in a power test systemMiguel A. MedinaJuan M. RamirezCarlos A. CoelloSwagatam DasEste artículo presenta un algoritmo de enseñanza-aprendizaje multi-objetivo basado en descomposición para resolver el problema del despacho óptimo de potencia reactiva (ORPD). La efectividad y el desempeño del algoritmo propuesto son comparados con respecto a un algoritmo evolutivo multi-objetivo basado en descomposición (MOEA/D) y con el NSGA-II. Un modelo de sistema de potencia de referencia se utiliza para probar el desempeño de los algoritmos. Los resultados de la reducción de las pérdidas de energía así como las métricas de desempeño indican que el algoritmo propuesto es una opción fiable para resolver el problema.http://www.redalyc.org/articulo.oa?id=49631031029
collection DOAJ
language English
format Article
sources DOAJ
author Miguel A. Medina
Juan M. Ramirez
Carlos A. Coello
Swagatam Das
spellingShingle Miguel A. Medina
Juan M. Ramirez
Carlos A. Coello
Swagatam Das
Use of a multi-objective teaching-learning algorithm for reduction of power losses in a power test system
Dyna
author_facet Miguel A. Medina
Juan M. Ramirez
Carlos A. Coello
Swagatam Das
author_sort Miguel A. Medina
title Use of a multi-objective teaching-learning algorithm for reduction of power losses in a power test system
title_short Use of a multi-objective teaching-learning algorithm for reduction of power losses in a power test system
title_full Use of a multi-objective teaching-learning algorithm for reduction of power losses in a power test system
title_fullStr Use of a multi-objective teaching-learning algorithm for reduction of power losses in a power test system
title_full_unstemmed Use of a multi-objective teaching-learning algorithm for reduction of power losses in a power test system
title_sort use of a multi-objective teaching-learning algorithm for reduction of power losses in a power test system
publisher Universidad Nacional de Colombia
series Dyna
issn 0012-7353
publishDate 2014-01-01
description Este artículo presenta un algoritmo de enseñanza-aprendizaje multi-objetivo basado en descomposición para resolver el problema del despacho óptimo de potencia reactiva (ORPD). La efectividad y el desempeño del algoritmo propuesto son comparados con respecto a un algoritmo evolutivo multi-objetivo basado en descomposición (MOEA/D) y con el NSGA-II. Un modelo de sistema de potencia de referencia se utiliza para probar el desempeño de los algoritmos. Los resultados de la reducción de las pérdidas de energía así como las métricas de desempeño indican que el algoritmo propuesto es una opción fiable para resolver el problema.
url http://www.redalyc.org/articulo.oa?id=49631031029
work_keys_str_mv AT miguelamedina useofamultiobjectiveteachinglearningalgorithmforreductionofpowerlossesinapowertestsystem
AT juanmramirez useofamultiobjectiveteachinglearningalgorithmforreductionofpowerlossesinapowertestsystem
AT carlosacoello useofamultiobjectiveteachinglearningalgorithmforreductionofpowerlossesinapowertestsystem
AT swagatamdas useofamultiobjectiveteachinglearningalgorithmforreductionofpowerlossesinapowertestsystem
_version_ 1725738512189227008