Resumen de Programación horaria de centrales térmicas mediante algoritmos genéticos de punto interior

Noemi Jiménez Redondo, Antonio Jesús Conejo Navarro, José Manuel Arroyo Sánchez

• español

  Este artículo presenta un modelo, basado en la técnica de algoritmos genéticos, para la programación horaria de centrales térmicas. La programación horaria de centrales térmicas constituye un problema de optimización no lineal en variables continuas y discretas. Para sistemas de tamaño realista, se trata de un problema muy complejo. Los métodos de solución disponibles sólo proporcionan soluciones cuasi-óptimas. Este artículo propone el empleo de un algoritmo genético, "conducido" mediante heurísticos, para la resolución del problema mencionado. El algoritmo propuesto preserva la factibilidad de todos los individuos en todas las generaciones, es por tanto un algoritmo de punto interior. El marco de modelado de la técnica de algoritmos genéticos es menos restrictivo que el utilizado en otros métodos. Esta es la gran ventaja del método propuesto. Los resultados obtenidos son competitivos con los conseguidos mediante el empleo de otras técnicas más convencionales. Se presentan dos casos de simulación. En uno de ellos que es de pequeña dimensión, se comparan los resultados del modelo propuesto con los resultados que se consiguen por otro método. El segundo es un caso de estudio realista.

• English

  This paper presents a genetic algorithm approach to solve the unit commitment problem of thermal units. Unit commitment is a nonlinear mixed integer optimization problem. Exact solution techniques to solve real size unit commitment problems are not currently available. Existing solution techniques can only achieve quasi-optimal solutions. This paper proposes a novel interior point genetic algorithm keeps the feasibility of all the individuals in all the generations, so it is an interior point algorithm. The modelling framework provided by genetic algorithm techniques is less restrictive than the frameworks provided by other approaches. This is the great advantage of the proposed algorithm. The solution achieved with this algorithm is competitive compared to other solution methods. Two simulations cases are presented. The first one is a small size problem used to compare the solution of the proposed methos with the solution of other method. The second one is a real size problem.