Professional Documents
Culture Documents
1.5 1ustificativa
Tendo em vista a necessidade urgente de otimi2ar o uso dos recursos energ3ticos, e com a
ePpanso da gerao termel3trica no :rasil, motivada em parte pela necessidade de suprir a
demanda mesmo em per?odos prolongados de estiagem, deve@se ePplorar o uso dos recursos de
$orma econ1mica #ortanto, o problema do despacho econ1mico de gerao 3 tratado com bastante
ateno pela A)**B, a agQncia nacional de energia el3trica, atrav3s do !)S, <ue 3 o operador
nacional do sistema el3trico, sendo o ator responsvel pelo despacho econ1mico de gerao no
:rasil, ou seEa, o !)S 3 <uem decide <uais as usinas geradoras de energia iro gerar, e em <ue
<uantidades $aro essa gerao tanto atrav3s de previsOes de consumo como na operao em tempo
real do sistema el3trico interligado nacional 8S>)9
! panorama de ePpanso da capacidade de gerao termel3trica vem se con$irmando devido
ao custo de instalao, manuteno e operao das usinas, bem menor se comparado ao custo de
empreendimentos hidrel3tricos, al3m de apresentar um menor impacto ambiental causado pela sua
14
implementao, implicando em um menor tempo para aprovao do proEeto e liberao dos
recursos Tal $ato pode ser comprovado pela anlise da Tabela . ePtra?da do banco de in$ormaOes
de gerao 8:>G9 do site da A)**B 8A)**B, ,-./9, onde apresenta, para os empreendimentos
outorgados para construo de termel3tricas, uma potQncia total associada de 5WVV7SSM] contra
,W75//,M] de empreendimentos outorgados para construo de hidrel3tricas
=evido a esse cenrio de ePpanso do consumo de energia a partir de $ontes termel3tricas e
o conse<uente aumento da o$erta pela outorga da construo de novas usinas, percebe@se a urgQncia
de um melhor controle dos recursos energ3ticos, neste caso os de origem termel3trica, sendo de
vital import'ncia para a manuteno de um sistema el3trico de potQncia capa2 de $ornecer energia
com <ualidade e de $orma ininterrupta #ortanto, a responsabilidade de administrar o despacho
econ1mico de gerao tem relev'ncia cada ve2 maior devido ao $ato de a administrao racional
dos recursos energ3ticos ser indispensvel manuteno das necessidades de energia da sociedade
moderna
Tabela 1 - &esumo dos empreendimentos outorgados de usinas nacionais em ,-./
Empreendimentos Outorgados (no iniciaram sua construo)
Tipo Tuantidade #otQncia !utorgada
8M]9
b
Central Geradora
;idrel3trica
// ,S5,/ -,.S
Central Geradora
Undi@el3trica
. 5- -
Central Geradora
*Hlica
.VS /5VSUV. ,S,S/
#e<uena Central
;idrel3trica
./5 .SSV--S .7,-7
Usina ;idrel3trica ./ ,W75//, .W,5
Usina Termel3trica .7/ 5WVV7SS 7W,7/
Total 5.S .U/7S-S5 .--
Fonte" A)**B 8,-./9.
!bserve na tabela . <ue as liberaOes de instalao, em termos de potQncia outorgada, so
em sua maioria para empreendimentos de gerao de energia termel3trica, haEa vista a pronta
disponibilidade de mat3ria prima para operar a usina, di$erentemente das usinas eHlicas ou #C;cs
15
1.6 Metodologia
! tipo da pes<uisa 3 aplicada ou tecnolHgica, pelo uso de um algoritmo computacional de
busca para um problema da pes<uisa operacional, e pelo uso de modelagem e simulao
computacional em um estudo de caso Fe2@se uso do so$tRare !ctave para a simulao, <ue 3 um
so$tRare conhecido como >=* 8>ntegrated =evelopment *nvironment9, ou seEa, um ambiente
desenvolvimento integrado ! !ctave apresenta uma linguagem de programao computacional
Eunto com um compilador e interpretador de comandos, sendo desenvolvida para computao
matemtica #ossui uma inter$ace em linha de comando para a soluo de problemas num3ricos,
lineares e no@lineares, tamb3m 3 usada em ePperimentos num3ricos
>nicialmente a pes<uisa $oi reali2ada de $orma ePploratHria com vistas ao conhecimento dos
problemas de pes<uisa operacional em reas variadas da Administrao ! problema de transporte,
em sua variante do despacho econ1mico de energia, $oi escolhido para a reali2ao do trabalho
)o segundo momento a pes<uisa tomou um carter ePperimental, onde o algoritmo
desenvolvido $oi aplicado a um caso de teste presente na literatura, o sistema de potQncia de
Ambarli 8Td&GAe, ,--,9, de onde $oram ePtra?dos as in$ormaOes mais importantes do caso para
o desenvolvimento da simulao Foi $eito um con$ronto de resultados para validar a tese de <ue o
algoritmo proposto 3 capa2 de gerar resultados compat?veis com os do caso escolhido, em termos
<uantitativos
)o terceiro momento reali2ou@se a determinao dos par'metros do algoritmo de busca
harm1nica e $oram $eitas rodadas de simulaOes para certi$icar a recorrQncia das soluOes
encontradas
1.7 Estrutura da Pesquisa
! presente trabalho constar de mais <uatro seOes al3m da seo ., a introduo A seo ,
tra2 o detalhamento e modelagem do problema de transporte em sua variante do despacho
econ1mico de gerao A seo 7 ePplana sobre o m3todo de :usca ;arm1nica Eunto com a
descrio de seus par'metros e $uncionamento A seo / apresenta a metodologia empregada A
seo 5 mostra os resultados da aplicao do algoritmo ao caso de teste proposto e apresenta uma
comparao dos resultados obtidos )a seo U, uma concluso 3 apresentada e tamb3m a
motivao para trabalhos $uturos 3 introdu2ida
16
2 DESPACHO ECONMICO DE GERAO
Como parte da elaborao deste trabalho, esta seo apresentar a modelagem do problema
do despacho econ1mico de gerao de unidades termel3tricas, bem como a sua descrio e algumas
variantes ! obEetivo desta seo 3 apresentar, ePplicar e modelar o problema do despacho
econ1mico de gerao bsico #ara isso deve@se en<uadrar onde esse problema 3 encontrado dentro
da teoria da pes<uisa operacional e <ual a $orma de sua modelagem matemtica, bem como ePplicar
algumas de suas restriOes
! problema conhecido como =espacho *con1mico de Gerao 3 um subproblema do
problema de Transporte e pode ser descrito a partir de um modelo de programao linear
8]>)ST!), ,--/9
A programao linear 3 uma das t3cnicas mais utili2adas na abordagem de problemas do
campo da #es<uisa !peracional Tais modelos so Cteis devido a simplicidade do modelo e a
$acilidade de a soluo poder ser encontrada por meio de algoritmos computacionais 8S>B(A,
G!)XAB(*S, %U&!B!, .SSW9
Tual<uer problema cuEo modelo matemtico encontra@se abrangido pelo modelo geral de
programao linear 3 considerado um problema de programao linear 8;>BB>*&, B>*:*&%A),
,--.9 =e $ato, a programao linear apresenta inCmeras aplicaOes importantes
! modelo matemtico de programao linear 3 composto de uma $uno obEetivo linear e de
restriOes t3cnicas representadas por um conEunto de ine<uaOes tamb3m lineares, tal modelo 3
obtido atrav3s de estudos e uma construo matemtica onde de$ine@se as variveis de deciso, a
$uno obEetivo e as restriOes !bserve o ePemplo de modelo de programao linear abaiPo
8S>B(A, G!)XAB(*S, %U&!B!, .SSW9"
%inimi2ar Custo f .-P
.
g .,P
,
SuEeito a
P
.
g ., P
,
h ,-
P
.
g P
,
i .-
5 P
.
g U P
,
i 5/
P
.
i - 6 P
,
i -
! conEunto de e<uaOes descritas no ePemplo anterior compreendem o <ue 3 conhecido
como modelo de programao linear Apresenta@se, a seguir, como o problema de despacho,
subproblema do problema de transporte, 3 caracteri2ado por um modelo de programao linear
17
2.1 Problema de transporte em seu modelo de programao linear
=e acordo com 8]>)ST!), ,--/9, um problema de transporte, em geral, pode ser
especi$icado pelo seguinte conEunto de in$ormaOes"
. Um conEunto de m pontos de fornecimento a partir de onde um bem 3 enviado Um
ponto de $ornecimento i pode $ornecer no mPimo s
i
unidades
, Um conEunto de n pontos de demanda para onde um bem 3 enviado Um ponto de
demanda j deve receber no m?nimo d
E
unidades do bem enviado
7 Cada unidade produ2ida no ponto de $ornecimento i e enviada ao ponto de demanda
j incorre em uma varivel de custo cij
SeEa,
PiE f nCmero de unidades enviadas do ponto de $ornecimento i ao ponto de demanda E, ento
a $ormulao geral do problema de transporte 3"
minimi2ar
i=.
i=m
j=.
j=n
cij xij
8.9
suEeito a
j=.
j=n
xij s
i
8 i f ., ,, , m9 8restriOes de $ornecimento9 8,9
i=.
i=m
xij d
j
8E f ., ,, , n9 8restriOes de demanda9 879
xij-
8 i f ., ,, , m6 E f ., ,, , n9 8/9
=essa maneira, o problema enunciado acima $oi modelado para <ue seEa poss?vel minimi2ar
os custos, <ue so uma $uno de todas as unidades produ2idas e dos custos associados ao
transporte dessa produo, ou seEa, um somatHrio de $unOes de custo !bserve tamb3m <ue o
$ornecimento no 3 ilimitado, tendo uma restrio de desigualdade <ue limite a capacidade
produtiva aos n?veis reais de produo do bem em cada unidade $ornecedora, as restriOes de
$ornecimento #or $im, deve@se ter um m?nimo necessrio de unidades produ2idas <ue $oram
solicitadas pelos consumidores para o seu abastecimento, essas so as restriOes de demanda de
cada consumidor
18
Se o problema re<uer <ue o $ornecimento total seEa igual a demanda total, ento o problema
de transporte 3 conhecido como problema de transporte balanceado, satis$a2endo a e<uao 859
abaiPo, <ue iguala o total de $ornecimento ao total demandado"
i=.
i=m
s
i
=
j=.
j=n
d
j
859
Como pode ser observado acima, um problema de transporte apresenta pontos de
$ornecimento, onde os bens so produ2idos, os pontos de consumo desses bens, chamados pontos de
demanda, e um custo associado ao transporte de cada bem desde o $ornecimento at3 o consumo
=esta maneira o problema do despacho econ1mico de gerao de energia termel3trica se en<uadra
nos modelos de problema de transporte por apresentar a produo da eletricidade nas usinas, o
consumo dessa eletricidade apHs o transporte da mesma at3 o consumidor e o custo em se $ornecer
essa energia, <ue depende de sua gerao e transmisso
(ale lembrar <ue o problema espec?$ico do =espacho *con1mico de Gerao sempre
assume o $ormato balanceado devido a sua nature2a $?sica !u seEa, o $ornecimento de energia
el3trica, em <ual<uer instante de tempo, 3 igual ao consumo dessa energia, pois no podem ePistir
sobras de energia na rede el3trica
2.2 Problema especfico do Despacho Econmico de gerao
=espacho econ1mico 8*=9 3 um problema de operao de sistemas de potQncia 8]!!=6
]!BB*):*&G, .SSU9 cuEa soluo consiste em dividir a alocao da demanda da rede el3trica
entre os vrios geradores dispon?veis de $orma <ue o custo total de produo da energia seEa
minimi2ado
=ependendo da $onte de energia usada para produ2ir eletricidade 8por ePemplo, carvo, gs
natural, Hleo diesel, ur'nio e gua de reservatHrios9, os geradores apresentaro custos di$erentes de
produo Sabendo <ue os custos das $ontes energ3ticas variam com o tempo e cenrio econ1mico,
o despacho econ1mico 3 um problema recorrente e de $undamental import'ncia num cenrio de
livre mercado de energia el3trica, pois <ual<uer acr3scimo de lucro pode ser revertido para os
investidores, re$letir numa melhor prestao do servio e at3 chegar ao consumidor em $orma de
descontos tari$rios
Uma soluo para o problema do despacho consiste em descobrir a potQncia de todos os
geradores dispon?veis <ue levam o custo de gerao, ou despacho, ao m?nimo
19
Uma ve2 de$inido o despacho dispon?vel para um dado sistema em um dado intervalo de
tempo, pelo menos um gerador se mant3m como gerador <ue responde acomodando@se s variaOes
de demanda da rede, o gerador de regulao ou balano Se a demanda aumenta, a potQncia gerada
deve aumentar =essa maneira, vlvulas de vapor ou gua dos geradores envolvidos no despacho
devem abrir mais, de $orma inversa ocorre se a demanda da rede diminuir, onde se devem $echar as
vlvulas dos geradores envolvidos
2.3 Modelo do Despacho Econmico Bsico
=evido a gastos com combust?vel, salrios de $uncionrios e custos de manuteno e
operao, sabe@se <ue, associado gerao de cada unidade, ePiste um custo relativo a produo
dessa energia 8]!!=6 ]!BB*):*&G, .SSU9 #ortanto, uma $uno de custo do i@3simo gerador
dentre os geradores despachveis,
F
i
( P
Gi
)
, pode ser de$inida para cada gerador caracteri2ando seu
custo em um4h 8unidades monetrias por hora9 devido a uma dada <uantidade de potQncia
produ2ida em %], representada por
P
Gi
, durante uma hora
Fa2endo@se uma s3rie de testes em estado permanente, com a usina operando a n?veis de
potQncia estveis e crescentes, para vrios n?veis de entrada de combust?vel e coletando os dados de
potQncia de sa?da pode@se desenvolver a curva de entrada4sa?da 8:j&*BBS et al, .SW79
A curva de custo, P(MW ) xF( u m/ h) , pode ser traada convertendo@se a curva de
calor4potQncia ou entrada4sa?da da unidade geradora 8)!e!BA6 G&A=e6 (>(>A)>, .SS-9,
P(MW ) xH (MBtu/ h) para a curva de calor4potQncia com ordenada em %:tu4hora, e
multiplicando@a pelo custo da <uantidade de combust?vel necessria para cada .%:tu de calor
gerado, como mostra a Figura . 8a9 e 8b9
Figura . @ Curva t?pica de entrada4sa?da de uma unidade termel3trica
Fonte" ]!!= e ]!BB*):*&G 8.SSU9 com adaptaOes do autor8,-./9
20
A $igura . mostra a converso da curva Calor@#otQncia para a curva de Custo@#otQncia,
bastando multiplicar as ordenadas da primeira curva pelo custo associado a gerao de cada %btu
de calor
A $uno de custo das unidades geralmente 3 ePpressa como uma $uno <uadrtica, cCbica
ou linear em partes, como mostra a Figura , #ortanto, as $unOes de custo para o problema
espec?$ico do despacho econ1mico so mais simples <ue as $unOes do problema clssico de
transporte, onde cada custo est associado ao $ornecimento e a demanda
Um ePemplo de uma $uno de custo <uadrtica t?pica seria da $orma
F
i
(
P
Gi
)
=a+bP
Gi
+cP
Gi
2
, com
P
Gi
sendo a potQncia gerada pela i@3sima unidade em
MW
, e
onde a , b e c so os coe$icientes caracter?sticos da unidade geradora em u m , u m/ MW e
u m/ MW
2
, respectivamente
Figura , @ FunOes de custo t?picas" 8a9 Tuadrtica, 8b9 CCbica e 8c9 Binear em partes
Fonte" ]!!= e ]!BB*):*&G 8.SSU9 com adaptaOes do autor 8,-./9
Considerando um sistema de potQncia e n geradores prontos para o despacho, seu custo
total de produo 3 dado pela e<uao 8U9
F
C
(
P
G
)
=
i=.
n
F
i
(
P
Gi
)
8U9
sendo
P
G
, um vetor com os n?veis de gerao,
P
Gi
, dos n geradores despachveis
F
i
(
P
Gi
) , a $uno de custo associada ao i@3simo gerador
21
Se a demanda total do sistema 3 P
D
total
e as perdas da rede no so levadas em considerao,
<ue 3 o =espacho :sico, ento, todos os geradores devem contribuir com potQncia para suprir tal
demanda, veEa essa relao na e<uao 8V9
i=.
n
P
Gi
=P
D
total
8V9
#ortanto, matematicamente estabelecido, o problema do despacho econ1mico bsico
consiste em minimi2ar o custo total, e<uao 8U9, satis$a2endo a e<uao do balano de potQncia
e<uao 8V9, <ue 3 a restrio de igualdade do problema #or3m, cada gerador de usina termel3trica
tem limites $?sicos de operao, e tais limites devem ser modelados no problema #ortanto, o
intervalo poss?vel de gerao de eletricidade de cada gerador deve ser incluso na modelagem do
problema
2.4 Incluso das restries do limite mximo e mnimo de cada gerador
*Piste uma restrio incorporada nos problemas de despacho, a dos limites m?nimo e
mPimo de gerao das unidades 8]!!=6 ]!BB*):*&G, .SSU9 A restrio do limite m?nimo
baseia@se no $ato de <ue uma unidade geradora para comear a produ2ir potQncia necessita E estar
a<uecida e consumindo certa <uantidade de combust?vel, os custos re$erentes a esse processo so
incorporados ao problema 8custo de start-up ou iniciali2ao da unidade termel3trica9, estando
ento apta a entregar sua <uantidade m?nima de potQncia A restrio do limite mPimo de potQncia
re$ere@se a uma operao instvel e $orada das partes mec'nicas da m<uina devido a trepidao e
a<uecimento ePcessivos <uando opera al3m de certo limite de gerao
A modelagem matemtica dessa caracter?stica 3 $eita considerando <ue cada gerador
acrescentar duas restriOes adicionais ao modelo 8]!!=6 ]!BB*):*&G, .SSU9 As restriOes
de desigualdade re$erentes aos limites mPimo e m?nimo de gerao de cada unidade so mostradas
na e<uao W, abaiPo
P
Gimin
P
Gi
P
Gim!x
, i " 8W9
sendo
P
Gimin
e
P
Gim!x
, os respectivos limites m?nimo e mPimo do i@3simo gerador
"=., n , 3 o conEunto de geradores prontos para o despacho
22
#ortanto, a partir da e<uao acima, percebe@se <ue a gerao do i@3simo gerador,
P
Gi
, sH
pode ocorrer a partir da gerao m?nima poss?vel para o respectivo gerador,
P
Gimin
, at3 a gerao
mPima,
P
Gim!x
, suportada pelo gerador correspondente *sses limites ePistem para cada gerador
pertencente ao conEunto de geradores,
"
, da rede
! estabelecimento do modelo do problema permite o desenvolvimento de algoritmos para a
sua soluo (rios algoritmos tem sido desenvolvidos para a soluo dos casos de despacho
econ1mico presentes na literatura A seguir sero apresentados alguns casos levantados a partir da
reviso bibliogr$ica do assunto
2.5 Estado da arte na abordagem do problema do Despacho Econmico
Ainda <ue distante de uma descrio completa do estado da arte, a<ui est uma breve
descrio de trabalhos <ue tem sua import'ncia ressaltada pelo momento histHrico em <ue $oram
publicados e pela tendQncia atual de utili2ao de m3todos de inteligQncia computacional,
principalmente os algoritmos meta@heur?sticos, para resoluo do problema do despacho econ1mico
de gerao
ChoRdhurF 8C;!]=;U&e6 &A;&)A), .SS-9 tra2 um compQndio de todos os trabalhos
publicados entre .SVV at3 .SWW &eCne as abordagens ao problema em <uatro grupos" 8i9 $luPo de
potQncia Htimo, devido a insero do $luPo de carga em conEunto com t3cnicas de otimi2ao do
despacho econ1mico, 8ii9 despacho econ1mico com relao ao controle automtico de gerao,
devido a considerao das variaOes instant'neas da carga, 8iii9 o despacho din'mico, devido a
incorporao das previsOes para um curto intervalo de tempo, geralmente ,/ horas, e 8iv9 o
despacho com $ontes alternativas de energia *m todos os casos presentes nesse artigo os algoritmos
de otimi2ao so limitados a condiOes <ue atendam as restriOes das t3cnicas matemticas
dispon?veis na 3poca, por ePemplo, o m3todo do gradiente redu2ido, <ue $oi desbancado por
m3todos como o de )eRton 8]!!=, ]!BB*):*&G, .SSU9 Concluindo, o autor prevQ a
insero de mais restriOes no problema, levando a di$iculdade do problema a n?veis de di$?cil
soluo pelas t3cnicas matemticas dispon?veis na 3poca Atualmente, com a incluso de t3cnicas
<ue $a2em uso de heur?stica, as restriOes matemticas so $acilmente suplantadas
]ong 8]!)G6 FU)G, .SS79 introdu2 uma das primeiras t3cnicas de inteligQncia
computacional na abordagem do problema do despacho, Simulated Annealing )a 3poca, as
t3cnicas de programao <uadrtica estavam recorrentes e t3cnicas de programao din'mica E
ensaiavam a direo das pes<uisas para m3todos mais $leP?veis na busca por soluOes 8%!%!;,
23
,--.9 Seu m3todo incluiu as perdas da rede com a utili2ao de um gerador de balano, cuEa
potQncia $lutua para acomodar as perdas calculadas pela $Hrmula de Gron, e desenvolve um m3todo
para encontrar o valor desse gerador de balano de $orma ePata atrav3s de uma e<uao matricial do
segundo grau Apresenta vrias vantagens em relao aos m3todos convencionais como a $acilidade
de incorporar restriOes, a obteno de uma soluo ePata embora possa no ser a soluo Htima do
problema, visto <ue m3todos baseados em inteligQncia computacional no tQm como garantir a
descoberta do Htimo global, visto <ue no possuem prova matemtica para tal, sendo capa2 de
acomodar outras caracter?sticas nas $unOes de custo sem impedimentos de complePidade
matemtica Fatores <ue levaram os pes<uisadores a dar maior ateno a esses m3todos a partir de
ento
]alters 8]ABT*&S6 S;*:B*, .SS79 ePplora o uso de algoritmos gen3ticos 8AG9 8G*)6
C;*)G, .SSS9 na abordagem do problema com a incluso de uma melhoria na modelagem dos
geradores, antes de di$?cil soluo pelas t3cnicas convencionais
ealcino2 8eABC>)!I6 S;!&T, .SSV9 apresentou melhorias no uso de redes neurais
8;AeG>), .SSS9 para abordar o problema do despacho em grandes proporOes, com um nCmero
elevado de geradores !s resultados mostraram <ue a t3cnica $oi capa2 de manipular at3 ,/-
geradores em um nCmero bastante redu2ido de iteraOes, mas no teve desmembramentos para
modelagens mais aprimoradas das caracter?sticas dos geradores, mostrando sua e$iciQncia apenas no
problema do despacho clssico de grande porte, por3m com resultados promissores
Sum@im 8SU%@>%, ,--/9 apresentou outro algoritmo recente na busca de soluOes cada ve2
melhores para o problema, o algoritmo col1nia de $ormigas 8AC!9 8=!&>G!6 STUTIB*, ,--.9
:aseado no $ato de as $ormigas sempre encontrarem o menor caminho entre o $ormigueiro e a
comida, esse algoritmo imita as caracter?sticas peculiares de comunicao das $ormigas atrav3s de
trilhas de $erom1nios na conduo do m3todo para a soluo de problemas de minimi2ao
&esultados e<uivalentes aos encontrados pelos algoritmos gen3ticos e programao <uadrtica
$oram encontrados pelo m3todo das $ormigas
Gaing 8GA>)G, ,--79 incluiu vrias caracter?sticas no@lineares dos geradores como taPas
limites de rampa, 2onas de operao proibidas e $unOes de custo no@suaves com uma abordagem
heur?stica nova baseada na simulao do comportamento de sistemas sociais simpli$icados,
algoritmo nuvem de part?culas 8#S!9 8CB*&C, ,--U9 ! artigo representa a tendQncia das t3cnicas
de inteligQncia computacional atuais em seguirem padrOes evolutivos naturais, cuEo precursor $oi o
desenvolvimento dos algoritmos gen3ticos seguindo a teoria da evoluo das esp3cies de =arRin !
m3todo proposto $oi capa2 de promover soluOes de <ualidade aos casos de teste utili2ados
24
2.6 Consideraes finais
Uma ePplanao do problema do despacho econ1mico de gerao $oi $eita nessa seo
>niciou@se com uma descrio de modelos de programao linear, em seguida abordou@se a
modelagem espec?$ica de problemas de transporte e como o problema do despacho econ1mico se
en<uadra nessa categoria de problemas )a se<uQncia $oi apresentado o modelo do despacho
econ1mico bsico e sua derivao a partir da modelagem do problema de transporte, sendo tamb3m
apresentado o estado da arte das pes<uisas com os desenvolvimentos de variados algoritmos para a
resoluo do problema ! modelo descrito nessa seo $oi e<uacionado para ser alvo da aplicao
do algoritmo de busca harm1nica, <ue ser ePplicado na seo seguinte
25
3 ALGORITMO DE BUSCA HARMNICA
Atualmente, a economia movida pelo capitalismo pressiona todos os setores produtivos da
sociedade a operarem visando o mPimo bene$?cio com o m?nimo custo A busca por esse obEetivo
sempre recai em alguma $erramenta ou prtica de otimi2ao %uitos problemas em vrios campos,
bem como o problema do despacho econ1mico, so solucionveis com a utili2ao de algum
algoritmo de otimi2ao
! obEetivo da presente seo 3 o de apresentar o m3todo de otimi2ao utili2ado nesse
trabalho, ressaltar e entender suas caracter?sticas principais e detalhar seu $uncionamento !
algoritmo de otimi2ao conhecido como :usca ;arm1nica, criado por Geem et al 8,--.9, visa
percorrer o espao de busca do problema, respeitando as restriOes, com vistas a encontrar soluOes
sub@Htimas ou Htimas para problemas de minimi2ao ou maPimi2ao
Algoritmos de otimi2ao so se<uencias lHgicas de clculos <ue podem ser codi$icadas e
ePpressas em alguma linguagem de computador, para <ue seEa poss?vel obter soluOes matemticas
para os problemas com maior rapide2 em menor es$oro humano, pois o computador <ue $ar todo
o processamento matemtico
As t3cnicas matemticas tradicionais de otimi2ao, como programao linear 8 #P 9,
programao no@linear 8 $#P 9 e programao din'mica 8 DP 9 tem sido utili2adas com
$re<uQncia em problemas de otimi2ao 8:&!)S!)6 )AA=>%UT;U, .SSV9 Todas as trQs
t3cnicas garantem a descoberta da soluo Htima global, a melhor soluo poss?vel, por3m apenas
para modelos simples e ideais #ortanto, para problemas mais complePos, esses algoritmos
apresentam di$iculdades Con$orme Geem 8G**%6 B!GA)AT;A), ,--.9, na #P ePiste a
desvantagem de ter <ue simpli$icar e lineari2ar o problema, podendo ocorrer a perda de
caracter?sticas $undamentais do problema nesse processo, a DP so$re em problemas de ePploso
combinatorial, pois um nCmero grande de variveis e possibilidades aumentam seu tempo de
ePecuo a n?veis impraticveis, e a $#P , se as $unOes no $orem di$erenciveis, a probabilidade
do algoritmo estacionar em soluOes Htimas locais aumenta consideravelmente
)a tentativa de contornar as desvantagens apresentadas pelas t3cnicas puramente
matemticas, tamb3m chamadas de determin?sticas, t3cnicas heur?sticas baseadas em simulaOes
$oram desenvolvidas nas Cltimas d3cadas
As t3cnicas heur?sticas permitem <ue soluOes prHPimas da Htima global seEam encontradas
em um tempo de ePecuo relativamente curto, com pouco consumo de recursos da m<uina,
incorporando poss?veis restriOes complePas dos modelos, e sem a necessidade do conhecimento de
complePas operaOes matemticas 8G*)=&*AU, #!T(>), ,-.-9
26
=esde .SV- muitos algoritmos heur?sticos tem sido desenvolvidos combinando
aleatoriedade com comportamento semelhante ao de $en1menos observados na nature2a, essa
caracter?stica levou ao surgimento da ePpresso Lmetaheur?sticasN 8=&k!, ,--U9 Uma poss?vel
diviso, mesmo <ue no considere todos os algoritmos, pois ePistem muitos e a cada dia surgem
mais, com a similaridade dos algoritmos inspirados na nature2a pode ser observada na Figura 7
Figura 7 @ Uma poss?vel diviso para algoritmos biologicamente inspirados
Fonte" #rHprio autor 8,-./9
A Figura 7 mostra uma poss?vel classi$icao de alguns algoritmos <ue tiveram sua
inspirao em sistemas biolHgicos A diviso em trQs grandes grupos, segundo a avaliao do autor,
corresponde aos algoritmos de &edes )eurais, Computao *volucionria e Sistemas Sociais As
&edes )eurais so algoritmos <ue imitam as caracter?sticas cerebrais utili2adas para aprendi2ado e
in$erQncia, $a2endo uso da simulao de neur1nios e sinapses no processamento computacional das
in$ormaOes A computao evolucionria baseia@se em algoritmos <ue evoluem na busca por
melhores soluOes para os problemas baseados nos processos evolutivos naturais, como por
ePemplo a teoria da evoluo de =arRin <ue inspirou os Algoritmos Gen3ticos + os Sistemas
Sociais inspiraram outros algoritmos atrav3s da anlise de como vrios sistemas buscam o
e<uil?brio num estado estvel de menor energia, por ePemplo o algoritmo Ant ColonF inspirou@se
em como as $ormigas interagem entre si para encontrar o menor caminho entre o $ormigueiro e a
comida, otimi2ando essa busca pelo alimento
! algoritmo de :usca ;arm1nica 3 considerado pelo autor como um algoritmo en<uadrado
nos sistemas sociais, pois inspirou@se na maneira como os integrantes de uma banda de mCsica
interagem para encontrar a melhor melodia para uma determinada mCsica, de $orma heur?stica e
emp?rica
27
Como o algoritmo de busca harm1nica imita as caracter?sticas de como os mCsicos
improvisam suas melodias, $a2@se necessrio apresentar algumas t3cnicas meta@heur?sticas
relevantes
3.1 Breve resumo de algumas tcnicas meta-heursticas
Um dos m3todos mais antigos e <ue sempre $oi visto com bons olhos pelos pes<uisadores
$oi primeiramente sugerido por Glover 8GB!(*&, .SVV9, e tornou@se conhecido, apHs vrias
melhorias implementadas por diversos trabalhos posteriores, sendo conhecido como algoritmo de
:usca Tabu 8 %& 9 ! algoritmo $oi ePtensivamente usado na obteno de soluOes Htimas para
vrios problemas A id3ia bsica era ePplorar o espao de soluOes atrav3s de uma se<lQncia de
movimentos Cada movimento melhor <ue o anterior era arma2enado, sendo o anterior descartado
#aralelo a isso, para escapar de Htimos locais, uma lista de movimentos tabu 3 mantida, tais
movimentos no so repetidos at3 serem es<uecidos
*m .SW7, GirMpatricM 8G>&G#AT&>CG6 G*BATT6 (*CC;>, .SW79 prop1s o Simulated
Annealing 8&'9 ! algoritmo $oi inspirado no processo de $ormao, natural ou indu2ida, de cristais,
obteno da soluo Htima, em materiais <ue so primeiramente a<uecidos, para promover
mobilidade s mol3culas, e depois gradualmente res$riados at3 o e<uil?brio t3rmico ser alcanado
=esde ento muitos problemas de engenharia $oram resolvidos satis$atoriamente por esse tipo de
algoritmo
!utros m3todos, agrupados como m3todos de computao evolucionrios, so baseados no
princ?pio da evoluo das esp3cies de =arRin )esse princ?pio a sobrevivQncia das esp3cies
depende da sua adaptao ao meio, sendo <ue os indiv?duos mais adaptados sobrevivem e sero
capa2es de transmitir suas boas caracter?sticas aos descendentes atrav3s de herana gen3tica !s
cr3ditos do desenvolvimento dos Algoritmos Gen3ticos so atribu?dos a Goldberg 8G!B=:*&G,
.SWS9 Uma caracter?stica marcante desse tipo de algoritmo 3 a capacidade de avaliao de muitas
soluOes simultaneamente %3todos meta@heur?sticos baseados em simulao tQm boa habilidade
em percorrer espaos de busca de soluOes 8%A;=A(>, F*SA)G;A&e, ,--V9 :aseado nesse
$ato 3 ePposto um algoritmo simples utili2ado no presente trabalho como algoritmo de otimi2ao
3.2 Motivao do algoritmo de Busca Harmnica
Con$orme visto anteriormente, os m3todos heur?sticos atuais imitam $en1menos naturais
Simulated Annealing imita o res$riamento compassado de part?culas, :usca Tabu imita a memHria
28
humana, os Algoritmos *volucionrios simulam a teoria da evoluo, dentre outros 8G**%6
B!GA)AT;A), ,--.9
Bevando em considerao o desenvolvimento do campo de estudo dos algoritmos meta@
heur?sticos, <ue so algoritmos biologicamente inspirados, Bee e Geem 8B**6 G**%, ,--59
desenvolveram um novo algoritmo meta@heur?stico <ue re$lete a busca por uma harmonia per$eita
entre instrumentos musicais <uando mCsicos ePecutam uma cano 8por ePemplo, mCsicos em uma
apresentao de +a22 ou :lues9 ! algoritmo $icou conhecido como :usca ;arm1nica 8 H& 9 !s
mCsicos, principalmente a<ueles <ue precisam improvisar durante a mCsica, utili2am seus talentos e
inteligQncia na busca pela harmonia per$eita em uma cano
#rimeiramente, con$orme 3 conhecido de <uem estuda ou estudou mCsica, os mCsicos E tQm
em mente um conEunto de acordes e notas <ue sero ePecutados no decorrer da mCsica *ntretanto,
na busca por uma melhor harmonia, eles comeam a improvisar novos acordes e notas 8acorde 3 um
conEunto de notas tocadas simultaneamente9 *ssa improvisao pode considerar o conhecimento
musical dos instrumentistas ou pode ser uma improvisao completamente nova, logo em seguida
os mCsicos $a2em uma avaliao se a<uela nota ou acorde improvisado 3 melhor <ue a<uele <ue era
usado anteriormente Caso o resultado da avaliao da improvisao seEa positiva, ela passa a
incorporar o conEunto de novas notas e acordes na ePecuo da melodia #ortanto, a possibilidade
de se $a2er uma melhor harmonia cresce na medida em <ue um nCmero de tentativas de
improvisao vai sendo $eito, pois a memHria dos mCsicos $icar repleta de combinaOes de acordes
e notas de sucesso 8B**6 G**%, ,--59
! algoritmo H& $oi desenvolvido para ser aplicado em problemas de otimi2ao *m
<ual<uer problema de otimi2ao, temos um conEunto de variveis, <ue sero os instrumentos
arti$iciais dos mCsicos, <ue precisam ser combinadas para a obteno da soluo Htima global ou
soluo prHPima a ela, a harmonia per$eita Uma memHria, chamada de memHria harm1nica 8 HM
9, 3 iniciali2ada e preenchida com soluOes poss?veis para o problema, imitando o conEunto de notas
<ue os mCsicos E tQm em mente antes da ePecuo da mCsica 8B**6 G**%, ,--59
)a busca por uma melhor soluo tenta@se uma nova soluo considerando combinaOes
entre valores das variveis <ue esto na HM ou tenta@se combinaOes completamente novas,
semelhante improvisao $eita pelos mCsicos reais, descrita acima Bogo em seguida essa nova
soluo 3 avaliada atrav3s da $uno obEetivo do problema e, caso seEa melhor do <ue <ual<uer das
soluOes presentes na HM , a nova soluo substitui a anterior #odemos perceber <ue a
possibilidade de se encontrar novas soluOes cada ve2 melhores cresce com o nCmero de iteraOes,
pois a HM vai sendo preenchida por soluOes cada ve2 melhores, ocasionando a convergQncia do
algoritmo 8B**6 G**%, ,--59
29
A Figura / mostra um comparativo entre uma improvisao $eita pelos mCsicos e uma
improvisao $eita pelo algoritmo de otimi2ao :usca ;arm1nica !s mCsicos improvisam uma
combinao das notas =H e %i com o acorde Sol e avaliam na mente se a combinao $oi boa, o
desenvolvedor da t3cnica chama esse processo de estimao est3tica ! algoritmo apresenta uma
soluo, [ . -,7 -,5 -] , e a avalia um uma $uno obEetivo
Figura / @ Comparao entre uma improvisao real 8seo superior da $igura9 e uma improvisao
no algoritmo ;S 8seo in$erior9
Fonte" Bee e Geem 8B**6 G**%, ,--59
! componente $undamental do algoritmo 3 a HM A Figura 5 mostra a estrutura da HM
relativa a uma banda de +a22 composta por um saPo$one, um contrabaiPo acCstico e um violo
>nicialmente, ePiste uma <uantidade de notas na memHria de cada mCsico" saPo$onista,
{ D(Mi&ol } 6 contrabaiPo, { &i&ol)* } 6 e guitarrista, { #!F!D(} Se o saPo$onista retira
aleatoriamente uma nota da memHria { D(Mi&ol } , por ePemplo a { &ol } , o contrabaiPista retira
{ &i } de { &i&ol)* } e o violinista retira { D(} de { #!F!D(} , esta nova harmonia representa o
acorde
C
V
8=H com s3tima9 * se essa harmonia 3 melhor do <ue a pior harmonia presente na HM
, a nova harmonia 3 inclu?da e a pior harmonia 3 ePclu?da da HM
! procedimento descrito 3 ento repetido at3 uma harmonia ePcepcional ser encontrada no
conEunto de iteraOes A mesma Figura 5 com Qn$ase s variveis do problema de otimi2ao mostra
<ue cada mCsico tem seu instrumento e cada instrumento representa uma varivel do problema !s
mCsicos geralmente improvisam valores di$erentes para as notas simultaneamente com vistas a
gerar melhores harmonias
30
Figura 5 @ Comparao entre a memHria real dos mCsicos e a memHria harm1nica 8;%9
Fonte" Bee e Geem 8B**6 G**%, ,--59
A Figura 5 mostra as variveis
x
.
,
x
,
e
x
7
em comparao aos instrumentos musicais, e
mostra <ue E ePistem valores conhecidos como soluOes para o problema, por ePemplo, em um
problema <ual<uer <ue envolva a otimi2ao de um caminho em mil?metros,
{
x
.,
x
,,
x
7
}
={.-- mmV-- mmU-- mm}
, tais valores se encontram na HM , similar memHria dos
mCsicos, de cada varivel e essa combinao sabe@se <ue 3 uma soluo Ao iniciar o algoritmo, na
improvisao de uma nova soluo, a primeira varivel escolhida 3
x
.
={ .--mm}
tirada de seu
conEunto na HM , { .--mm 7--mm 5--mm} , a segunda varivel 3 escolhida da mesma maneira
como
x
,
={5--mm}
tirada de { V--mm 5--mm ,-- mm} e a Cltima varivel 3 escolhida sem levar
em considerao a HM , imitando o processo criativo do mCsico, como
x
7
={ 5-mm}
Ao avaliar
essa poss?vel soluo na $uno obEetivo, e perceber <ue ela 3 melhor do <ue a pior combinao
presente na HM , ela 3 adicionada e a pior 3 retirada da HM
(ale ressaltar <ue ePistem trQs $ormas de um mCsico improvisar um acorde ou nota durante
o processo de improvisao 8B**6 G**%, ,--59, a seguir"
31
Tocar uma nota ePtra?da de sua memHria, ou da ;% no caso do algoritmo, pois E
ePistem garantias de <ue ela se encaiPa ao problema em <uesto6
Tocar uma nota adEacente a uma nota presente em sua memHria $a2endo uso das
escalas musicais )o caso do algoritmo, isso 3 $eito atrav3s de um valor ePtra?do da
;%, por3m aEustado matematicamente6
Tocar uma nota completamente aleatHria, por3m pertencente ao tom da mCsica 8o
tom da musica restringe o conEunto de todas as notas musicais dispon?veis <uelas
notas <ue apresentam semelhana musical entre si9 !u seEa, o algoritmo gera um
valor aleatHrio para a varivel, mas sendo um valor <ue 3 poss?vel no atendimento s
restriOes do problema
Uma ve2 entendido o processo de melhoria da ePecuo da mCsica pelos mCsicos ao
ePecutarem uma melodia, precisa@se ePplicar de $orma mais didtica o $uncionamento do algoritmo
de otimi2ao <ue $oi inspirado nesse processo
3.3 Funcionamento bsico do algoritmo de busca harmnica
!bserve o $luPograma do algoritmo bsico na Figura U, novamente de acordo com Bee e
Geem 8B**6 G**%, ,--59, no <ual so apresentados os principais par'metros e aOes do m3todo
de :usca ;arm1nica e onde o nCcleo do algoritmo 3 mostrado A listagem detalhada dos passos e
ePplicao do papel das variveis no algoritmo ser mostrada nas subseOes 77. a 775
A Figura U mostra os seguintes passos, <ue sero descritos em detalhes mais adiante, <ue
so"
8.9 >niciali2ao das variveis do problema e dos par'metros do algoritmo6
8,9 >niciali2ao da memHria harm1nica6
879 >mprovisao de uma nova harmonia6
8/9 Atuali2ao da memHria harm1nica6
859 &epetio dos passos 879 a 8/9 at3 o crit3rio de parada ser alcanado6
Um $luPograma de um algoritmo 3 um tipo de diagrama <ue pode ser entendido como uma
representao es<uemtica da se<uQncia de aOes implementadas no computador e <ue ilustram de
$orma descomplicada a transio entre as etapas <ue compOe o algoritmo implementado, ou seEa,
$luPograma 3 um gr$ico <ue demonstra a se<uQncia operacional da evoluo do algoritmo (ale
ressaltar <ue o $luPograma 3 um gr$ico de grande import'ncia tanto para a compreenso <uanto
para o desenvolvimento do algoritmo
32
Figura U @ FluPograma do algoritmo de busca harm1nica
Fonte" Bee e Geem 8B**6 G**%, ,--59
)as subseOes <ue seguem sero ePplicados cada um dos passos indicados no $luPograma da
Figura U, visto <ue a $igura representa as aOes principais ePecutadas pelo algoritmo de :usca
;arm1nica desde a iniciali2ao de suas variveis, incluindo a memHria harm1nica, criao de
novas improvisaOes, avaliao das mesmas para veri$icar se constituem@se em melhores soluOes
do <ue as anteriormente encontradas e concluindo com a veri$icao se o crit3rio de parada para
gerao de novas soluOes $oi atingido
3.3.1 Inicializao das variveis e parmetros
A iniciali2ao de variveis e par'metros consiste em atribuir valores necessrios
iniciali2ao do algoritmo, para a regulagem do comportamento esperado do algoritmo durante a
ePecuo, bem como o estabelecimento do crit3rio de parada, ou seEa, o momento em <ue se espera
<ue o algoritmo E tenha encontrado soluOes de boa <ualidade
33
Considere, ento, um problema de otimi2ao gen3rico $ormulado da seguinte maneira,
e<uao 8S9"
Minimi+, - ( x) s a x
i
.
i
i=.,, $
8S9
sendo,
- ( x) , a $uno obEetivo gen3rica
$ , o nCmero de variveis no problema
x , o conEunto de variveis 8
x
i
9 do problema
.
i
, o conEunto de valores poss?veis para a varivel
x
i
P
i
( MW ) 5-- 5--
Custo %otal ( u m) ,7V,,5-5S5.,/V,/ ,7V,,,VW5U7./S,W
Fonte" #rHprio autor 8,-./9
45
Conv3m ressaltar <ue o presente trabalho $oi reali2ado em uma m<uina >ntel Atom ),V-,
7,:its, .UG;2, ,G: de &A%, rodando o sistema operacional BinuP Fedora e utili2ando o so$tRare
G)U !ctave verso 7U7, sob a GU> Tt!ctave verso -.-. em modo gr$ico
Uma outra observao conveniente 3 sobre as casas decimais das respostas obtidas !s
resultados mostrados neste trabalho apresentaro <uantidade de casas decimais obtidas pela
preciso da m<uina na ePecuo do algoritmo, visto <ue resultados como os mostrados pelo
algoritmo acima, sem as casas decimais, so pass?veis de erros, pois um erro na segunda casa
decimal representa uma di$erena, em termos de potQncia, de uma ordem <ue logicamente tem um
custo considervel associado e <ue no pode ser despre2ado ! $ato de despre2ar essas $raOes
implicam em desconsiderar custos <ue representaro preEu?2os sem tamanho em longo pra2o
(ale ressaltar <ue os algoritmos meta@heur?sticos, como o caso do algoritmo de :usca
;arm1nica, pelo $ato de serem estocsticos baseados em simulao e no em demonstraOes
matemticas <ue comprovem sua convergQncia, no apresentam a soluo Htima global ePata, mas
sim aproPimaOes dessa re$erida soluo
Conclui@se a anlise dos resultados in$ormando <ue as soluOes geradas pelo algoritmo de
:usca ;arm1nica $oram comparveis com a soluo gerada pelo Algoritmo Gen3tico no respeito s
restriOes do problema, sendo <ue o algoritmo de :usca ;arm1nica obteve soluo com custo
in$erior ao custo obtido pelo outro algoritmo #ode@se indicar <ue o algoritmo de :usca ;arm1nica
pode ser utili2ado para gerar o despacho dos geradores de um sistema de potQncia de $orma a
minimi2ar os custos da gerao total dessa eletricidade atendendo a necessidade de potQncia
re<uerida pelos clientes e respeitando os limites de potQncia de cada gerador
46
6 CONCLUSES E TRABALHOS FUTUROS
! presente trabalho apresentou o problema de transporte em sua variante conhecida como
despacho econ1mico de gerao atrav3s de seu modelo de programao linear #rop1s a soluo
desse problema a partir de um algoritmo computacional conhecido como :usca ;arm1nica, <ue
seria investigado, compreendido e desenvolvido para resolver o problema espec?$ico de caso de
teste presente na literatura
6.1 Concluses Tericas
! algoritmo de busca meta@heur?stico denominado :usca ;arm1nica $oi ento apresentado,
Euntamente com sua inspirao, a analogia com o processo de desenvolvimento musical, o
desenvolvimento matemtico do mesmo e suas caracter?sticas principais $oram ePpostas Uma das
conclusOes $oi a possibilidade do desenvolvimento e utili2ao desse algoritmo para um problema
de transporte em seu modelo de programao linear, <ue $oi o problema do despacho econ1mico de
energia pelo uso de um caso de teste
Uma outra concluso da aplicao do algoritmo de busca harm1nica ao problema do
despacho utili2ado deveu@se a $acilidade de implementao do algoritmo ao problema proposto !u
seEa, no tiveram <ue ser $eitas alteraOes no algoritmo de :usca ;arm1nica original para <ue o
mesmo se ade<uasse ao problema
6.2 Concluses aplicadas
Foi escolhido o caso de teste do sistema de potQncia de Ambarli e reali2ada a simulao da
aplicao do algoritmo de busca harm1nica para veri$icar as soluOes encontradas #ode@se perceber
do ePposto na seo 5, simulao do estudo de caso, <ue o algoritmo de :usca ;arm1nica pode
o$erecer soluOes ade<uadas ao problema proposto, sendo <ue nenhum dos dois algoritmos
encontrou o Htimo global, mas o algoritmo de busca harm1nica aproPimou@se mais do mesmo do
<ue o algoritmo gen3tico proposto no caso de teste Suas soluOes mantiveram@se dentro do espao
de soluOes poss?veis para busca, visto <ue todas as restriOes de desigualdade e igualdade $oram
satis$eitas na resposta encontrada
#ortanto, pode@se veri$icar <ue o algoritmo de :usca ;arm1nica pode ser considerado como
um candidato a ser utili2ado em problemas similares e <uando se precisa <ue algoritmos heur?sticos
seEam utili2ados
47
6.3 Consideraes finais
A concluso $inal e mais importante, ePpectativa bem sucedida do presente trabalho
compreendeu a abordagem do problema do despacho, em <ue o algoritmo de :usca ;arm1nica
apresentou resultados com tendQncia ao Htimo global, obteno de soluOes to boas <uanto os
algoritmos gen3ticos e a preciso no clculo das soluOes em concord'ncia com as restriOes do
problema #ortanto, a avaliao da aplicabilidade da t3cnica de busca meta@heur?stica <uando
utili2ado para a otimi2ao de um problema clssico de pes<uisa operacional pode ser considerada
satis$atHria pela comparao com outra t3cnica heur?stica na abordagem de um mesmo problema, o
problema do despacho econ1mico de energia
6.4 Consideraes para trabalhos futuros
Como proposta para trabalhos $uturos <ue possam surgir a partir deste esto a busca por uma
melhor parametri2ao do algoritmo de :usca ;arm1nica apresentado, a anlise de como se
comporta o algoritmo em outros problemas da pes<uisa operacional, bem como a comparao do
algoritmo proposto com outros algoritmos di$erentes dos Algoritmos Gen3ticos.
Uma outra proposta para trabalhos $uturos seria a simulao ePaustiva do algoritmo a um
mesmo problema para veri$icar a consistQncia e a recorrQncia das soluOes encontradas pelo
algoritmo heur?stico de :usca ;arm1nica, bem como o desvio padro das respostas obtidas com
vistas a tentar ePpressar uma avaliao de con$iabilidade na obteno de suas soluOes
48
REFERNCIAS
A)**B Fontes de energia exploradas no Pas BIG (Banco de informaes de gerao)
=ispon?vel em" http"44RRRaneelgovbr4aplicacoes4capacidadebrasil4capacidadebrasilc$m, acesso
em -/4-54,-./
:&AS>B %inist3rio de %inas e *nergia Plano Nacional de Energia 2030 4 %inist3rio de %inas e
*nergia 6 colaborao *mpresa de #es<uisa *nerg3tica A :ras?lia" %%* " *#*, ,--V
:c&*BBS, ] F Operao econmica e planejamento ,nd ed Santa %aria, *diOes UFS%,
.SW7
:&!)S!), &6 )AA=>%UT;U, G Schaum's Outline of theory and problems of operations
research ,nd ed %cGraR@;ill, .SSV
C;!]=;U&e, : ;6 &A;&)A), S ~A review of recent advances in economic dispatch
>*** Transactions on #oRer SFstems, (ol 5, )o /, pp .,/W@.,5S, )ovember, .SS-
=&k!, + et al Metaheuristics for Hard Optimization. Springer (erlag, . edition, ,--U
GA>)G, I@B ~Particle swarm optimization to solving the economic dispatch considering the
generator constraints >*** Transactions on #oRer SFstems, (ol .W, )o 7, pp ..WV@..S5,
August ,--7
G**%, I ]6 G>%, + ;6 B!GA)AT;A), G( ~A New Heuristic Optimization Algorithm:
Harmony Search Simulation ,--., VU",6 pp U-@UW, ,--.
G*)=&*U, %ichel6 #!T(>), +ean@eves Handbook of Metaheuristics
,Th *dition )eR eorM" Springer, ,-.-
GB!(*&, F ~Heuristics for Integer Programming Using Surrogate Constraints http"44leeds@
$acultFcoloradoedu4glover4SS@TS .SVV ;euristics $or ># using surrogatepd$, acessado em
-.4-.4,--S, .SVV
G!B=:A&G, % C6 BU)A, ; #6 Otimizao Combinatria e Programao
Linear: Modelos e Algoritmos &io de +aneiro" Campus, ,---
G!B=:*&G, = * Genetic Algorithms in Search, Optimization, and Machine Learning.
Addison@]esleF #ro$essional, . edition, .SWS
;>BB>*&, F6 B>*:*&%A), G+ Introduo pesquisa operacional. 7ed So #aulo" *dusp,
.SWW W-7 p
;>BB>*&, F6 B>*:*&%A), G+ Introduction to operations research. Vth ed )eR eorM"
%cGraR@;ill
, ,--.
49
G>&G#AT&>CG, S6 G*BATT, C =6 (*CC;>, % # ~Optimization by Simulated Annealing,
Science, )eR Series, (ol ,,-, )o /5SW, pp UV.@UW-, .SW7
B**, G S6 G**%, I ] ~A new meta-heuristic algorithm for continuous engineering
optimization: harmony search theory and practice Comput %ethods Appl %ech *ngrg .S/,
pp 7S-,07S77, ,--5
B** G e6 *B@S;A&GA]>, % A Modern Heuristic Optimization Techniques: Theory and
Applications to Power Systems. >*** #ress Series on #oRer *ngineering, . edition, ,--W
%A;=A(>, %6 F*SA)G;A&e, %6 =A%A)G>&, * ~An improved harmony search
algorithm for solving optimization problems Applied %athematics and Computation .WW, pp
.5UV0.5VS, ,--V
)!e!BA, A ;6 G&A=e, ] %6 (>(>A)>, G B ~An optimized procedure for determining
incremental heat rate characteristics >*** Transactions on #oRer SFstems, (ol 5, )o ,, pp
7VU@7W7, %aF .SS-
S>B(A, * =6 %*)*I*S, * % Metodologia da pesquisa e elaborao de dissertao. 7edio,
FlorianHpolis" BaboratHrio de *nsino a =ist'ncia da UFSC, ,--.
S>B(A, *rmes %edeiros da6 S>B(A, ;3lio %edeiros da6 G!)XAB(*S, (alter6 %U&!B!, A$r'nio
Carlos Pesquisa Operacional: Programao Linear. 7a *dio So #aulo" Atlas, .SSW
SU%@>%, T ~Economic Dispatch by Ant Colony Search Algorithm #roceedings o$ the ,--/,
l*** Con$erence on CFbernetics and intelligent SFstems, Singapore, pp /.U@/,., .@7, =ecember,
,--/
Td&GAe, :elgin, ~Economic Dispatch at the Ambarli Power Plant +ournal o$ *lectrical ^
*lectronics (ol ,, )Cmero ., pginas 7S5@7SS, ,--,
]ABT*&S, = C6 S;*:B*, G : ~Genetic Algorithm solution of economic dispatch with
valve point loading >*** Transactions on #oRer SFstems, (ol W, )o 7, pp, .7,5@.77,, August
.SS7
]>)ST!), ]aFne B Operations Research - Applications and Algorithms. >nternational Student
*dition, Chapter V /th ed Canada, Thomson Bearning, ,--/
]!)G, G#6 FU)G, CC ~Simulated annealing based economic dispatch algorithm >**
#roceedings@C, (ol ./-, )o U, pp 5-S@5.5, )ovember >SS7
]!!=, A +6 ]!BB*):*&G, : F Power Generation, Operation, and Control. ]ileF@
>nterscience, , edition, .SSU
eABC>)!I, T6 S;!&T, %+ ~Large-scale economic dispatch using an improved Hopfield
Neural Network >** #roc Gener Transm =istrib, (ol .//, )o ,, pp .W.@.W5, %arch .SSV
50
APNDICE
#ara uma melhor viso geral do algoritmo desenvolvido, uma verso simpli$icada do
ar<uivo L%ainN desenvolvido por este trabalho para problemas de =espacho *con1mico, com o
algoritmo de :usca ;arm1nica, 3 apresentado (ale ressaltar <ue no 3 o cHdigo@$onte completo do
programa, pois o mesmo 3 constitu?do de vrias $unOes em ar<uivos separados, mas do ar<uivo
principal do programa do algoritmo de busca harm1nica mostrado para $ins didticos
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
b >)>C>AB>IACA!
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
clear bBimpa valores pr3vios da memHria
clear all
clc
$ormat long
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
b )esta parte so carregados os dados do estudo de caso
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
_mRlimites,d,c,b,a,#d,base%(A` f data896
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
b )esta parte so iniciali2ados os #ar'metros do Algoritmo
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
m f length8b96 b numero de geradores
;%S f .,6 b tamanho da memoria harmonica 8;%9
;% f 2eros8;%S,m96 b cria a memoria harmonica
;%C& f -S-6 b taPa de consideracao da ;%
#A&min f -7-6 b taPa de aEuste de notas
#A&maP f -SS6
)> f ,---6 b num de improvisacoes 8crit3rio de parada do ;S9
:]min f --.6 b intervalo aEuste de notas
:]maP f .-
51
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
b (eri$ica o gerador com maior capacidade de gerao
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
$or if."m
capacidade8i9 f mRlimites8i,,9@mRlimites8i,.96
end
_Cg,>g` f maP8capacidade96
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
b >niciali2a harmonias randomicamente para preencher a ;%
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
_harmonias` f geraAharmonias8m,;%S,mRlimites,#d,base%(A,>g96
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
b Avalia o desempenho das mesmas
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
$or Ef.";%S
custos8E,.9 f .--pcustoAtotal8harmonias8E,"9,d,c,b,a,m96
end
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
b !rgani2a em ordem decrescente as harmonias criando a ;% inicial
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
$or Mf.";%S
_Cc,>c` f min8custos96
custos8>c,.9 f gin$6
;%8M,"9 f harmonias8>c,"96
end
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
b BAC! =* >T*&AC!*S #A&A G*&AXY! =AS )!(AS ;A&%!)>AS
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
$or pf.")> bCrit3rio de parada do lao
p b%ostra iterao atual
#A& f #A&min g 8#A&maP 0 #A&min9p8p4)>96
b*stabelece o valor relativo do #A&
52
:] f :RmaPpePp8log8:]min4:]maP9p8p4)>996
b*stabelece o valor relativo do :]
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
b >mprovisa uma nova harmonia
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
_harmonia` f novaAharmonia8base%(A,#d,m,;%C&,;%S,;%,#A&,:],mRlimites,>g96
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
b Avaliacao do desempenho da nova harmonia e comparao com a pior presente na ;%
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
custo. f .--pcustoAtotal8harmonia8.,"9,d,c,b,a,m96
custo, f .--pcustoAtotal8harmonias8;%S,"9,d,c,b,a,m96
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
b Atuali2acao da ;% com harmonia melhor
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
i$ custo. q custo,
;%8;%S,"9 f harmonia6
end
harmonias f ;%6
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
b Avalia o desempenho de todas as harmonias da ;% para organi2a@la em ordem decrescente
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
$or <f.";%S
custos8<,.9 f .--pcustoAtotal8harmonias8<,"9,d,c,b,a,m96
end
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
b !rgani2a em ordem decrescente as harmonias atuali2ando a ;%
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
$or rf.";%S
_Cc,>c` f min8custos96
custos8>c,.9 f gin$6
;%8r,"9 f harmonias8>c,"96
end
end
b $im do lao de gerao de novas harmonias
53
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
b >%#&*SSA! =!S &*SUBTA=!S
bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb
poRerAdemand f #d
b >mpressao da demanda
;%8.,"9 b >mpresso da melhor harmonia, ou seEa, da melhor soluo
poRerAgenerated f sum8;%8.,"99
b SomatHrio das potQncias geradas <ue deve igualar #d
totalAcostA f custoAtotal8;%8.,"9,d,c,b,a,m9
b Custo total da melhor soluo