Implementación del algoritmo VNS-DEEPSO para el despacho de energía en redes distribuidas inteligentes

Introducción− Las redes eléctricas tradicionales están migrando a nuevas configuraciones de redes inteligentes, que traen retos operacionales y de planeación. Con miras a avanzar en estos retos se propone resolver un problema de optimización usando programación en elementos de redes distribuidas int...

Full description

Autores:
García-Guarín, Pedro Julián
Cantor, Julián
Cortés-Guerrero, Camilo
Guzmán Pardo, María Alejandra
Rivera Rascón, Sergio Antonio
Tipo de recurso:
Article of journal
Fecha de publicación:
2019
Institución:
Corporación Universidad de la Costa
Repositorio:
REDICUC - Repositorio CUC
Idioma:
spa
OAI Identifier:
oai:repositorio.cuc.edu.co:11323/5640
Acceso en línea:
https://hdl.handle.net/11323/5640
https://doi.org/10.17981/ingecuc.15.1.2019.13
https://repositorio.cuc.edu.co/
Palabra clave:
Algoritmos heurísticos
Energía renovable
Smart grid
Vehículos eléctricos
Optimización
Heuristic algorithms
Renewable energy
Optimization
Intelligent network
Electric vehicles
Rights
openAccess
License
CC0 1.0 Universal
id RCUC2_c5ee8643a80e1995e84cd9bbddfafd96
oai_identifier_str oai:repositorio.cuc.edu.co:11323/5640
network_acronym_str RCUC2
network_name_str REDICUC - Repositorio CUC
repository_id_str
dc.title.spa.fl_str_mv Implementación del algoritmo VNS-DEEPSO para el despacho de energía en redes distribuidas inteligentes
dc.title.translated.spa.fl_str_mv Implementation of the VNS-DEEPSO algorithm for the energy dispatch in smart distributed grid
title Implementación del algoritmo VNS-DEEPSO para el despacho de energía en redes distribuidas inteligentes
spellingShingle Implementación del algoritmo VNS-DEEPSO para el despacho de energía en redes distribuidas inteligentes
Algoritmos heurísticos
Energía renovable
Smart grid
Vehículos eléctricos
Optimización
Heuristic algorithms
Renewable energy
Optimization
Intelligent network
Electric vehicles
title_short Implementación del algoritmo VNS-DEEPSO para el despacho de energía en redes distribuidas inteligentes
title_full Implementación del algoritmo VNS-DEEPSO para el despacho de energía en redes distribuidas inteligentes
title_fullStr Implementación del algoritmo VNS-DEEPSO para el despacho de energía en redes distribuidas inteligentes
title_full_unstemmed Implementación del algoritmo VNS-DEEPSO para el despacho de energía en redes distribuidas inteligentes
title_sort Implementación del algoritmo VNS-DEEPSO para el despacho de energía en redes distribuidas inteligentes
dc.creator.fl_str_mv García-Guarín, Pedro Julián
Cantor, Julián
Cortés-Guerrero, Camilo
Guzmán Pardo, María Alejandra
Rivera Rascón, Sergio Antonio
dc.contributor.author.spa.fl_str_mv García-Guarín, Pedro Julián
Cantor, Julián
Cortés-Guerrero, Camilo
Guzmán Pardo, María Alejandra
Rivera Rascón, Sergio Antonio
dc.subject.proposal.spa.fl_str_mv Algoritmos heurísticos
Energía renovable
Smart grid
Vehículos eléctricos
topic Algoritmos heurísticos
Energía renovable
Smart grid
Vehículos eléctricos
Optimización
Heuristic algorithms
Renewable energy
Optimization
Intelligent network
Electric vehicles
dc.subject.proposal.none.fl_str_mv Optimización
dc.subject.proposal.eng.fl_str_mv Heuristic algorithms
Renewable energy
Optimization
Intelligent network
Electric vehicles
description Introducción− Las redes eléctricas tradicionales están migrando a nuevas configuraciones de redes inteligentes, que traen retos operacionales y de planeación. Con miras a avanzar en estos retos se propone resolver un problema de optimización usando programación en elementos de redes distribuidas inteligentes. Objetivo− El problema de optimización consiste en adminis-trar el despacho energético de una red inteligente para opti-mizar los recursos disponibles, considerando la incertidum-bre de energías renovables, viajes planeados de vehículos eléctricos, el pronóstico de carga y los precios del mercado. Metodología− Se propuso utilizar un ensamble entre dos métodos heurísticos. El algoritmo VNS (Variable Neigh-borhood Search) y el DEEPSO (Differential Evolutionary Particle Swarm).Resultados− El algoritmo VNS-DEEPSO fue evaluado en una competencia de “Smart Grids” con otros algoritmos con un valor de 18.21, siendo 7 % mejor que el segundo algoritmo clasificado en la competencia.Conclusiones− El algoritmo VNS-DEEPSO fue ganador entre 9 algoritmos metaheurísticos que solucionaron el prob-lema, este problema tenía un mayor incremento de dificultad debida a la incertidumbre generada por factores ambien-tales, pronóstico de carga, viajes en vehículos eléctricos y el mercado de precios. Acorde a los resultados, el algoritmo VNS-DEEPSO demostró ser el más eficiente en minimizar los costos operacionales y maximizar los ingresos de la red inteligente.
publishDate 2019
dc.date.accessioned.none.fl_str_mv 2019-11-13T14:30:43Z
dc.date.available.none.fl_str_mv 2019-11-13T14:30:43Z
dc.date.issued.none.fl_str_mv 2019-06-08
dc.type.spa.fl_str_mv Artículo de revista
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_6501
dc.type.content.spa.fl_str_mv Text
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/article
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/ART
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
format http://purl.org/coar/resource_type/c_6501
status_str acceptedVersion
dc.identifier.citation.spa.fl_str_mv Pedro Julián García-Guarín; Julián Cantor-López; Camilo Cortés-Guerrero; María Alejandra Guzmán-Pardo; Sergio Rivera-Rodríguez “Implementación del algoritmo VNS-DEEPSO para el despacho de energía en redes distribuidas inteligentes”, INGE CUC, vol. 15, no. 1, pp. 142-154 , 2019. DOI: http://doi.org/10.17981/ingecuc.15.1.2019.13
dc.identifier.uri.spa.fl_str_mv https://hdl.handle.net/11323/5640
dc.identifier.url.spa.fl_str_mv https://doi.org/10.17981/ingecuc.15.1.2019.13
dc.identifier.doi.spa.fl_str_mv 10.17981/ingecuc.15.1.2019.13
dc.identifier.eissn.spa.fl_str_mv 2382-4700
dc.identifier.instname.spa.fl_str_mv Corporación Universidad de la Costa
dc.identifier.pissn.spa.fl_str_mv 0122-6517
dc.identifier.reponame.spa.fl_str_mv REDICUC - Repositorio CUC
dc.identifier.repourl.spa.fl_str_mv https://repositorio.cuc.edu.co/
identifier_str_mv Pedro Julián García-Guarín; Julián Cantor-López; Camilo Cortés-Guerrero; María Alejandra Guzmán-Pardo; Sergio Rivera-Rodríguez “Implementación del algoritmo VNS-DEEPSO para el despacho de energía en redes distribuidas inteligentes”, INGE CUC, vol. 15, no. 1, pp. 142-154 , 2019. DOI: http://doi.org/10.17981/ingecuc.15.1.2019.13
10.17981/ingecuc.15.1.2019.13
2382-4700
Corporación Universidad de la Costa
0122-6517
REDICUC - Repositorio CUC
url https://hdl.handle.net/11323/5640
https://doi.org/10.17981/ingecuc.15.1.2019.13
https://repositorio.cuc.edu.co/
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartofseries.spa.fl_str_mv INGE CUC; Vol. 15, Núm. 1 (2019)
dc.relation.ispartofjournal.spa.fl_str_mv INGE CUC
INGE CUC
dc.relation.references.spa.fl_str_mv M. Tuballa and M. Abundo, “A review of the development of Smart Grid technologies,” Renewable and Sustainable Energy Reviews, vol. 59, no. 1, pp. 710–725, Jun. 2016. Doi: https://doi.org/10.1016/j.rser.2016.01.011
F. Lezama, J. Soares, Z. Bale, J. Rueda, S. Rivera and I. Elrich, “2017 IEEE competition on modern heuristic optimizers for smart grid operation: Testbeds and results,” Swarm and Evolutionary Computation, vol. 44, no. 1, pp. 420–427, Feb. 2019. Doi: https://doi.org/10.1016/j.swevo.2018.05.005
O. Dzobo, A. M. Shehata and C. L Azimoh, “Optimal economic load dispatch in smart grids considering uncertainty”. In AFRICON, 2017 IEEE., Cape Town, South Africa, Sept. 18–20, 2019, pp. 1277–1282. Doi: https://doi.org/10.1109/AFRCON.2017.8095666
F. Lezama, J. Soares, Z. Bale and J. Rueda, “WCCI 2018 Competition Evolutionary Computation in Uncertain Environments: A Smart Grid Application. Test bed: Optimal scheduling of distributed energy resources considering uncertainty of renewables, EVs, load forecast and market prices,” in Proc. IEEE WCCI, Rio de Janeiro, Brazil, Jul. 8–13, 2018, pp. 1–19. Available in: http://www.gecad.isep.ipp.pt/WCCI2018-SG-COMPETITION/
Y. Jin and J. Branke, “Evolutionary Optimization in Uncertain Environments—A Survey,” IEEE Trans. Evol. Comput., vol. 9, no. 3. pp. 303–317, Jun. 2005. Doi: https://doi.org/10.1109/TEVC.2005. 846356
M. Gendreau and J.-Y. Potvin, “Handbook of Metaheuristics,” vol. 2, Switzerland: Springer Science+Business Media, 2010. Doi: https://doi.org/10.1007/978-1-4419-1665-5
Y. Zhao, J. Cao, X. Lai, C. Yin and T. Chen, “Ensemble based constrained-optimization extreme learning machine for landmark recognition,” 2015 34th Chinese Control Conference (CCC), Hangzhou, China, 28–30 Jul. 2015, pp. 3884–3889. Doi: https://doi.org/10.1109/ChiCC.2015.7260239
S. Hui and P. N. Suganthan, “Ensemble and Arithmetic Recombination-Based Speciation Differential Evolution for Multimodal Optimization,” in IEEE Transactions on Cybernetics, vol. 46, no. 1, pp. 64–74, Jan. 2016. Doi: https://doi.org/10.1109/TCYB.2015.2394466
X. Li, S. Ma and Y. Wang, “Multi-Population Based Ensemble Mutation Method for Single Objective Bilevel Optimization Problem,” in IEEE Access, vol. 4, no. 1, pp. 7262–7274, Oct. 2016. Doi: https://doi.org/10.1109/ACCESS.2016.2617738
V. Miranda and R. Alves, “Differential Evolutionary Particle Swarm Optimization (DEEPSO): A Successful Hybrid,” 2013 BRICS Congress on Computational Intelligence and 11th Brazilian Congress on Computational Intelligence, Ipojuca, Brazil, 8–11 Sept. 2013, pp. 368–374. Doi: https://doi.org/10.1109/BRICS-CCICBIC.2013.68
D. G. Mayer, B. P. Kinghorn and A. A. Archer, “Differential evolution – an easy and efficient evolutionary algorithm for model optimisation,” Agricultural Systems, vol 83, no. 3, pp. 315–328, Mar. 2005. Doi: https://doi.org/10.1016/j.agsy.2004.05.002
F. Marini and B. Walczak, “Particle swarm optimization (PSO). A tutorial,” Chemometrics and Intelligent Laboratory Systems, vol 149, Part B, pp. 153–165, Dec. 2015. DOI: https://doi.org/10.1016/j.chemolab.2015.08.020
P. Hansen and N. Mladenović, “Variable neighborhood search: Principles and applications,” European Journal of Operational Research, vol. 130, no. 3, pp. 449–467, May. 2001. Doi: https://doi.org/10.1016/S0377-2217(00)00100-4
E. Vargas, L. Macedo, P. Bueno and R. Romero, “A VNS algorithm for the design of supplementary damping controllers for small-signal stability analysis,” International Journal of Electrical Power & Energy Systems, vol. 94, no. 1, pp. 41–56, Jan. 2018. Doi: https://doi.org/10.1016/j.ijepes.2017.06.017
R. Brandl, P. Kotsampopoulos, G. Lauss, M. Maniatopoulos, M. Nuschke, J. Montoya and D. Strauss-Mincu, “Advanced Testing Chain Supporting the Validation of Smart Grid Systems and Technologies,” in 2018 IEEE Workshop on Complexity in Engineering, Florence, Italy, Oct. 10–12, 2018. pp. 1–6. Doi: https://doi.org/10.1109/CompEng.2018.8536223
dc.relation.citationendpage.none.fl_str_mv 154
dc.relation.citationstartpage.none.fl_str_mv 142
dc.relation.citationissue.spa.fl_str_mv 1
dc.relation.citationvolume.spa.fl_str_mv 15
dc.relation.ispartofjournalabbrev.spa.fl_str_mv INGE CUC
dc.rights.spa.fl_str_mv CC0 1.0 Universal
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/publicdomain/zero/1.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv CC0 1.0 Universal
http://creativecommons.org/publicdomain/zero/1.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.spa.fl_str_mv 13 páginas
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Corporación Universidad de la Costa
dc.source.spa.fl_str_mv INGE CUC
institution Corporación Universidad de la Costa
dc.source.url.spa.fl_str_mv https://revistascientificas.cuc.edu.co/ingecuc/article/view/1984
bitstream.url.fl_str_mv https://repositorio.cuc.edu.co/bitstreams/cc6b120e-0fdf-4dfc-8644-fd2c882fdacf/download
https://repositorio.cuc.edu.co/bitstreams/cf2627b0-09ad-4da6-82d0-843749771375/download
https://repositorio.cuc.edu.co/bitstreams/20ec4de8-90d3-4648-96eb-42e068d38235/download
https://repositorio.cuc.edu.co/bitstreams/3b97d418-b89e-4538-9359-46c079e6d291/download
https://repositorio.cuc.edu.co/bitstreams/ddc5930f-c24c-4b66-87fb-d1d31f8a5998/download
bitstream.checksum.fl_str_mv f44a3e2fef5c3279720fc8cc07f20e70
42fd4ad1e89814f5e4a476b409eb708c
8a4605be74aa9ea9d79846c1fba20a33
d803515b2b61252813298019d1c27c26
a959f2bb300433dea06ed4cb9d59263a
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio de la Universidad de la Costa CUC
repository.mail.fl_str_mv repdigital@cuc.edu.co
_version_ 1811760716974129152
spelling García-Guarín, Pedro JuliánCantor, JuliánCortés-Guerrero, CamiloGuzmán Pardo, María AlejandraRivera Rascón, Sergio Antonio2019-11-13T14:30:43Z2019-11-13T14:30:43Z2019-06-08Pedro Julián García-Guarín; Julián Cantor-López; Camilo Cortés-Guerrero; María Alejandra Guzmán-Pardo; Sergio Rivera-Rodríguez “Implementación del algoritmo VNS-DEEPSO para el despacho de energía en redes distribuidas inteligentes”, INGE CUC, vol. 15, no. 1, pp. 142-154 , 2019. DOI: http://doi.org/10.17981/ingecuc.15.1.2019.13https://hdl.handle.net/11323/5640https://doi.org/10.17981/ingecuc.15.1.2019.1310.17981/ingecuc.15.1.2019.132382-4700Corporación Universidad de la Costa0122-6517REDICUC - Repositorio CUChttps://repositorio.cuc.edu.co/Introducción− Las redes eléctricas tradicionales están migrando a nuevas configuraciones de redes inteligentes, que traen retos operacionales y de planeación. Con miras a avanzar en estos retos se propone resolver un problema de optimización usando programación en elementos de redes distribuidas inteligentes. Objetivo− El problema de optimización consiste en adminis-trar el despacho energético de una red inteligente para opti-mizar los recursos disponibles, considerando la incertidum-bre de energías renovables, viajes planeados de vehículos eléctricos, el pronóstico de carga y los precios del mercado. Metodología− Se propuso utilizar un ensamble entre dos métodos heurísticos. El algoritmo VNS (Variable Neigh-borhood Search) y el DEEPSO (Differential Evolutionary Particle Swarm).Resultados− El algoritmo VNS-DEEPSO fue evaluado en una competencia de “Smart Grids” con otros algoritmos con un valor de 18.21, siendo 7 % mejor que el segundo algoritmo clasificado en la competencia.Conclusiones− El algoritmo VNS-DEEPSO fue ganador entre 9 algoritmos metaheurísticos que solucionaron el prob-lema, este problema tenía un mayor incremento de dificultad debida a la incertidumbre generada por factores ambien-tales, pronóstico de carga, viajes en vehículos eléctricos y el mercado de precios. Acorde a los resultados, el algoritmo VNS-DEEPSO demostró ser el más eficiente en minimizar los costos operacionales y maximizar los ingresos de la red inteligente.Introduction− Traditional electric networks are mi-grating to new configurations of intelligent networks, which bring operational and planning challenges. In order to advance in these challenges, an optimization problem is proposed to solve in the programming of intelligent network elements.Objective− The optimization problem consists of man-aging the energy dispatch of an intelligent network to optimize the available resources, considering the uncer-tainty of renewable energies, planned trips of electric vehicles, cargo forecast and market prices.Methodology− It was proposed to use an assembly between two heuristic methods. The VNS algorithm (Variable Neighborhood Search) and the DEEPSO (Dif-ferential Evolutionary Particle Swarm).Results− The value obtained by the VNS-DEEPSO algorithm was 18.21, being 7 % better than the second algorithm classified in the competition. Conclusions− The VNS-DEEPSO algorithm was the winner among 9 metaheuristic algorithms that solved the problem. This problem has a greater increase in difficulty due to the uncertainty generated by weather conditions, load forecast, planned EV ́s trips, and mar-ket prices. According to the results, the VNS-DEEPSO algorithm proved to be the most efficient in minimizing operational costs and maximizing the revenues of the intelligent network.García-Guarín, Pedro JuliánCantor, Julián-0000-0002-5519-950X-600Cortés-Guerrero, CamiloGuzmán Pardo, María Alejandra-0000-0002-9579-7344-600Rivera Rascón, Sergio Antonio-0000-0002-2677-0340-60013 páginasapplication/pdfspaCorporación Universidad de la CostaINGE CUC; Vol. 15, Núm. 1 (2019)INGE CUCINGE CUCM. Tuballa and M. Abundo, “A review of the development of Smart Grid technologies,” Renewable and Sustainable Energy Reviews, vol. 59, no. 1, pp. 710–725, Jun. 2016. Doi: https://doi.org/10.1016/j.rser.2016.01.011F. Lezama, J. Soares, Z. Bale, J. Rueda, S. Rivera and I. Elrich, “2017 IEEE competition on modern heuristic optimizers for smart grid operation: Testbeds and results,” Swarm and Evolutionary Computation, vol. 44, no. 1, pp. 420–427, Feb. 2019. Doi: https://doi.org/10.1016/j.swevo.2018.05.005O. Dzobo, A. M. Shehata and C. L Azimoh, “Optimal economic load dispatch in smart grids considering uncertainty”. In AFRICON, 2017 IEEE., Cape Town, South Africa, Sept. 18–20, 2019, pp. 1277–1282. Doi: https://doi.org/10.1109/AFRCON.2017.8095666F. Lezama, J. Soares, Z. Bale and J. Rueda, “WCCI 2018 Competition Evolutionary Computation in Uncertain Environments: A Smart Grid Application. Test bed: Optimal scheduling of distributed energy resources considering uncertainty of renewables, EVs, load forecast and market prices,” in Proc. IEEE WCCI, Rio de Janeiro, Brazil, Jul. 8–13, 2018, pp. 1–19. Available in: http://www.gecad.isep.ipp.pt/WCCI2018-SG-COMPETITION/Y. Jin and J. Branke, “Evolutionary Optimization in Uncertain Environments—A Survey,” IEEE Trans. Evol. Comput., vol. 9, no. 3. pp. 303–317, Jun. 2005. Doi: https://doi.org/10.1109/TEVC.2005. 846356M. Gendreau and J.-Y. Potvin, “Handbook of Metaheuristics,” vol. 2, Switzerland: Springer Science+Business Media, 2010. Doi: https://doi.org/10.1007/978-1-4419-1665-5Y. Zhao, J. Cao, X. Lai, C. Yin and T. Chen, “Ensemble based constrained-optimization extreme learning machine for landmark recognition,” 2015 34th Chinese Control Conference (CCC), Hangzhou, China, 28–30 Jul. 2015, pp. 3884–3889. Doi: https://doi.org/10.1109/ChiCC.2015.7260239S. Hui and P. N. Suganthan, “Ensemble and Arithmetic Recombination-Based Speciation Differential Evolution for Multimodal Optimization,” in IEEE Transactions on Cybernetics, vol. 46, no. 1, pp. 64–74, Jan. 2016. Doi: https://doi.org/10.1109/TCYB.2015.2394466X. Li, S. Ma and Y. Wang, “Multi-Population Based Ensemble Mutation Method for Single Objective Bilevel Optimization Problem,” in IEEE Access, vol. 4, no. 1, pp. 7262–7274, Oct. 2016. Doi: https://doi.org/10.1109/ACCESS.2016.2617738V. Miranda and R. Alves, “Differential Evolutionary Particle Swarm Optimization (DEEPSO): A Successful Hybrid,” 2013 BRICS Congress on Computational Intelligence and 11th Brazilian Congress on Computational Intelligence, Ipojuca, Brazil, 8–11 Sept. 2013, pp. 368–374. Doi: https://doi.org/10.1109/BRICS-CCICBIC.2013.68D. G. Mayer, B. P. Kinghorn and A. A. Archer, “Differential evolution – an easy and efficient evolutionary algorithm for model optimisation,” Agricultural Systems, vol 83, no. 3, pp. 315–328, Mar. 2005. Doi: https://doi.org/10.1016/j.agsy.2004.05.002F. Marini and B. Walczak, “Particle swarm optimization (PSO). A tutorial,” Chemometrics and Intelligent Laboratory Systems, vol 149, Part B, pp. 153–165, Dec. 2015. DOI: https://doi.org/10.1016/j.chemolab.2015.08.020P. Hansen and N. Mladenović, “Variable neighborhood search: Principles and applications,” European Journal of Operational Research, vol. 130, no. 3, pp. 449–467, May. 2001. Doi: https://doi.org/10.1016/S0377-2217(00)00100-4E. Vargas, L. Macedo, P. Bueno and R. Romero, “A VNS algorithm for the design of supplementary damping controllers for small-signal stability analysis,” International Journal of Electrical Power & Energy Systems, vol. 94, no. 1, pp. 41–56, Jan. 2018. Doi: https://doi.org/10.1016/j.ijepes.2017.06.017R. Brandl, P. Kotsampopoulos, G. Lauss, M. Maniatopoulos, M. Nuschke, J. Montoya and D. Strauss-Mincu, “Advanced Testing Chain Supporting the Validation of Smart Grid Systems and Technologies,” in 2018 IEEE Workshop on Complexity in Engineering, Florence, Italy, Oct. 10–12, 2018. pp. 1–6. Doi: https://doi.org/10.1109/CompEng.2018.8536223154142115INGE CUCCC0 1.0 Universalhttp://creativecommons.org/publicdomain/zero/1.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2INGE CUChttps://revistascientificas.cuc.edu.co/ingecuc/article/view/1984Implementación del algoritmo VNS-DEEPSO para el despacho de energía en redes distribuidas inteligentesImplementation of the VNS-DEEPSO algorithm for the energy dispatch in smart distributed gridArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1Textinfo:eu-repo/semantics/articlehttp://purl.org/redcol/resource_type/ARTinfo:eu-repo/semantics/acceptedVersionAlgoritmos heurísticosEnergía renovableSmart gridVehículos eléctricosOptimizaciónHeuristic algorithmsRenewable energyOptimizationIntelligent networkElectric vehiclesPublicationORIGINALImplementación del algoritmo VNS-DEEPSO para el despacho de energía en redes distribuidas inteligentes.pdfImplementación del algoritmo VNS-DEEPSO para el despacho de energía en redes distribuidas inteligentes.pdfapplication/pdf789111https://repositorio.cuc.edu.co/bitstreams/cc6b120e-0fdf-4dfc-8644-fd2c882fdacf/downloadf44a3e2fef5c3279720fc8cc07f20e70MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8701https://repositorio.cuc.edu.co/bitstreams/cf2627b0-09ad-4da6-82d0-843749771375/download42fd4ad1e89814f5e4a476b409eb708cMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.cuc.edu.co/bitstreams/20ec4de8-90d3-4648-96eb-42e068d38235/download8a4605be74aa9ea9d79846c1fba20a33MD53THUMBNAILImplementación del algoritmo VNS-DEEPSO para el despacho de energía en redes distribuidas inteligentes.pdf.jpgImplementación del algoritmo VNS-DEEPSO para el despacho de energía en redes distribuidas inteligentes.pdf.jpgimage/jpeg60762https://repositorio.cuc.edu.co/bitstreams/3b97d418-b89e-4538-9359-46c079e6d291/downloadd803515b2b61252813298019d1c27c26MD55TEXTImplementación del algoritmo VNS-DEEPSO para el despacho de energía en redes distribuidas inteligentes.pdf.txtImplementación del algoritmo VNS-DEEPSO para el despacho de energía en redes distribuidas inteligentes.pdf.txttext/plain47838https://repositorio.cuc.edu.co/bitstreams/ddc5930f-c24c-4b66-87fb-d1d31f8a5998/downloada959f2bb300433dea06ed4cb9d59263aMD5611323/5640oai:repositorio.cuc.edu.co:11323/56402024-09-17 10:47:03.068http://creativecommons.org/publicdomain/zero/1.0/CC0 1.0 Universalopen.accesshttps://repositorio.cuc.edu.coRepositorio de la Universidad de la Costa CUCrepdigital@cuc.edu.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

Publicaciones similares