Examinando por Autor "Granada, Mauricio"

Mostrando 1 - 3 de 3
  • Miniatura
    PublicaciónAcceso abierto
    Algoritmos genéticos aplicados al diseño óptimo de mallas de tierra de subestaciones.
    (2011-10-13) Restrepo P., Carlos A.; Granada, Mauricio
    En este artículo se presenta un algoritmo genético aplicado al diseño óptimo de la malla de puesta a tierra de una subestación, cumpliendo normativas de seguridad y buscando minimizar los costos de inversión.
  • Miniatura
    PublicaciónAcceso abierto
    Solución del problema de planeamiento de la expansión de redes de transmisión de energía eléctrica mediante un algoritmo genético y programación lineal y no lineal.
    (2011-10-13) Bolaños, Ricardo A.; Correa, Carlos Adrián; Granada, Mauricio
    En este artículo se propone un enfoque eficiente para la reducción del esfuerzo computacional asociado a la solución del problema de planeamiento de la expansión de redes de transmisión de energía eléctrica. Este enfoque utiliza un método de punto interior no lineal para iniciar la población de un algoritmo genético que resuelve de manera iterativa el problema de inversión. Desde el inicio de la solución, las configuraciones generadas son de alta calidad y se encuentran localizadas en puntos estratégicos del espacio solución de modo que pueden Disposition: form-data; name "art_resumen" En este artículo se propone un enfoque eficiente para la reducción del esfuerzo computacional asociado a la solución del problema de planeamiento de la expansión de redes de transmisión de energía eléctrica. Este enfoque utiliza un método de punto interior no lineal para iniciar la población de un algoritmo genético que resuelve de manera iterativa el problema de inversión. Desde el inicio de la solución, las configuraciones generadas son de alta calidad y se encuentran localizadas en puntos estratégicos del espacio solución de modo que pueden evolucionar hacia regiones óptimas. El plan de inversión del algoritmo genético se evaluó para el sistema de transmisión a través de un método de punto interior lineal. El enfoque propuesto se puso a prueba con los sistemas IEEE de 6 y 24 nodos y con el sistema sur-brasilero de 46 nodos. Se obtuvo un excelente desempeño del algoritmo genético para estos sistemas y se requirió un menor esfuerzo computacional para la solución del problema.
  • Miniatura
    PublicaciónAcceso abierto
    Solución del problema de planeamiento de la expansión de redes de transmisión de energía eléctrica mediante un algoritmo genético y programación lineal y no lineal.
    (2011-10-13) Bolaños, Ricardo A.; Correa, Carlos Adrián; Granada, Mauricio
    En este artículo se propone un enfoque eficiente para la reducción del esfuerzo computacional asociado a la solución del problema de planeamiento de la expansión de redes de transmisión de energía eléctrica. Este enfoque utiliza un método de punto interior no lineal para iniciar la población de un algoritmo genético que resuelve de manera iterativa el problema de inversión. Desde el inicio de la solución, las configuraciones generadas son de alta calidad y se encuentran localizadas en puntos estratégicos del espacio solución de modo que pueden Disposition: form-data; name "art_resumen" En este artículo se propone un enfoque eficiente para la reducción del esfuerzo computacional asociado a la solución del problema de planeamiento de la expansión de redes de transmisión de energía eléctrica. Este enfoque utiliza un método de punto interior no lineal para iniciar la población de un algoritmo genético que resuelve de manera iterativa el problema de inversión. Desde el inicio de la solución, las configuraciones generadas son de alta calidad y se encuentran localizadas en puntos estratégicos del espacio solución de modo que pueden evolucionar hacia regiones óptimas. El plan de inversión del algoritmo genético se evaluó para el sistema de transmisión a través de un método de punto interior lineal. El enfoque propuesto se puso a prueba con los sistemas IEEE de 6 y 24 nodos y con el sistema sur-brasilero de 46 nodos. Se obtuvo un excelente desempeño del algoritmo genético para estos sistemas y se requirió un menor esfuerzo computacional para la solución del problema.