Capitulo 8 Algoritmo Genético e Evolugao Diferencial para a Resolugao do Problema de Planejamento Hidrelétrico Priscila C. Berbert’, Akebo Yamakami e Fabricio O. de Franca Resumo: 0 Plancjamento Hidvelétvico é um problema de ctimiza- fio de grande porte, dinimico, estocistico, inerconectado © n50- inear. No modelo evtudado, considerourse a ralnlmiaaglo da com plementagia Uérmica como fungio-objetive © a vaxao turbinada pelae sina hidretsicar em cada poriodo como variswris de decieso. Dune Metaheuristicat Evolutivas para a reeolucae do Problema de Planejamento da Operagio de Sistemas Hidrelétricar sie propostas Algoritmo Genético © Bvolusso Diferencial. Os métodos consideram, simultaneatnente tm conjunto de solugeee e, través da integracio dda ampla exploragio do espago de solugéee com um processo de buses mais locelizada, permite encontrar solugdes alternatives © de qualidade. Os teste foram realtades com Subsistemas Brasileiros. Palavras-chave: Algoritmo Genético, Evolugio Diferencial, Planejamento Hidrelétrico, Otiminagio, Abstract: The Operation Planning of Hydroelectric Systems is a arte, dmamic, stochastic, interconnected and nonlinear optimiea ‘ton protem, In the studied model, the minimisation of thermal complementation was considered as the objective function and the water discharge of hydroelectric plants at each period was consid fred as deision vortables. We hate applied two Rvolutionary Mete- Iheuriatics to solve this problems: Genetic Algorithm and Differential Boolution. The methods consider @ sel of solutions im order lo per form exploration and exploitation of the search space allowing ther fo find several good quelity solutions, Tests were performed with Brazilian Subsystems Keywords: Genetic Algorithm, Differential Bvolution, Hydroelec. trie Planning, Optimization, “Autor para contato: pberbert dt feo.unicamp br2 eae 1 © Planejamento da Operagio de Sistemas Hidtelétricos 6 um problema de otimizagio de grande porte, dinimico, estacéstico, interconectado e nio- linear, Como definido no Manual do Programa de Pesquisa e Desenvolvi mento Tecnolégico do Setor de Energia Eistvica!, sio de interesse da Agén- ia Nacional de Energia Elétrica (ANEEL) projetos destinados ao desen- volvimento de metodologias, téenicas e ferramentas de auxilio que integrem modelos matemiticos, téenicas de programagio matemética e de inteligen- ia artificial, visando © planejamento e a menor aplicagao dos recursos que ecessitam de suporte & tomada de decisbes. A partir destas consideragies ‘econkecendlo a importancia e a relevancia do problema, surgit 0 interesse ‘em estudar a aplicagio de Metabeuristicas para sua resolugio, mais especi ficamente, Algoritmo Genético (AG) ¢ Evolugao Diferencial (ED). © processo de geragio de energia hidrelétrica baseia-se ma trans- formagSo da energia potencial bidrSulica resultante do aproveitamento de quedas d’sgua. Em sistemas com grande participagao de geracio hhdreistrica, como no caso do Brasil, pode-se gerenciar a energia potencial dda dgua armazenada nos reservatérios para atender & demanda e substituir de forma racional a geragao dispendiosa das unidades térmicas, Introdugao a Casto rm, "Figura 1. Cronograma de decisio. © volume de dgua armazenado nos reservatétios depende das afluén- clas que ocorrerdo no futuro (Figura 1). Isso introduz uma relagao entre a ecisia de operagia no presente e sas consequéncias futuras (Leite otal. 2006a), Se a decisio for utilizar energia hidrelétrica para atender o mer ‘eado, deplecionando os reervatérins, © no futuro ocorrer uma seca, pode hhaver a necessidade de utilizar a geragio térmica ou interromper o forneci- mento de energia. Se a op¢io for conservar os reservatérios cheios ¢ utilizar a geragdo (érmica, na ocorréncia de grandes vazdes alluentes, pode haver verlimento no sistema, ou seja, desperdicio de energia ¢, em consequéncia, Taps / www ance. gov br/visualizar texto chantsJum aumento desnecessirio do custo de operagio. O planejamento deve estabelecer um compromisso entre a geracio hidreléirica no momento da docisio e a disponibilidade de sgua nos intervalos de tempo seguintes, res peitando as restrigoes do problema Na zea de Pesquisa Operacional existem varias téenicas de Progra: magio Matemstiea para a resolugio de problemas de otimizagio. Algumas ‘Genicas tem alta complexidade e dificuldade no tratamento de certos tipos de problemas, por sezem fundamentadas em informagies que restringem ou dificultam uma aplicagio geral. No Planejamento da Operagao de Sis- ‘temas Hidrelétricos, as fungSes de geragio apresentam nio-linearidades, para resolugio através de métodos de Programagio Linear (PL) recorre se, fentdo, as IinearizagBes por partes ou aproximagGes lineares, simplificando © problema, a que pode no apresentar ma precisio aceitével, Nas t6o- nicas de Programagio Nao-Linear (PNL), em muitos problemas, o método converge a um “étimo local”, sem a garantia que o métado ating 0 “étime global’. As téenicas de Programagao Dinamica (PD) consisterm em dividir © perfoda de planejamento em estdgios ¢ a melhor decisio em cada esté- io 6 determinada de acordo com o estado em que 0 sistema se encontra, ‘A desvantagem é a necessidade da discretizagio em estados, ocasionande Jum esforgo computacional que eresce exponencialmente com niimero de varléveis de estado consideradas; 0 problema da “maldicao da dimensio- nalidade”, Dentre of Métodos Metaheuristicos, estio os Algoritmos Evolutives Algoritimos Genétivos, Evolugao Diferencial, Kstratégias Evolutivas, Pro- gramagio Evolutiva, ete, Inspirados em mecanismos da evolugao biologie estes algoritmas ver sendo amplamente utilizados em diversas aplicagdes, principalmente na drea de otimizagio, Alguns pesquisadores tem apontado problemas nos quais os Algoritmos Evolutivos tem desempenbo melhor do que outras estratégias de busca (Toro ot al., 2006). Algumas caracteris- ticas destes métodos merecem ser destacadas: flexiblidade, generalidade, exploragdo, explotagdo, paralelismo, capacidade de escapar de dtimos lo- cals, capacidade de lidar com problemas complexos para os quais no é possivel, ou 6 dificil, obter uma descrigio detalhada, além de serem menos susceptiveis forma ou continuidade das fungies (Bick et al,, 2000, Coello, 2002), Estes métodos trabalham com sum conjunto de solugSes, si- multaneamente, Combinando a ampla exploragio do espago de busea com Jum processo de busca mais localizada, os Algoritmos Evolutivos possuem alto grau de robustez, 0 permite aplicé-los em vizios problemas priticos, Junto aos quais outras estratégias de solugao se mostram inécuas (Blick et al, 2000a,b). Além disso, os problemas reais tem se tornado cada ver mais complexos, sem fungSes definidas ou bem comportadas e, na maio- ria das vores, descontinuas © com dominios nio-convexos, diffeultando a utilizagao de métodos exatos na resolucio