Despacho Hidrotérmico Optimo con técnicas de aprendizaje por refuerzos.
Toda empresa de energía eléctrica, que cuente con generadores térmicos y generadores hidroeléctricos, se enfrenta al problema del Despacho Hidrotérmico Optimo. El mismo consiste en determinar una política de operación óptima de sus generadores de forma que se minimicen los costos a la hora de satisf...
Saved in:
| Main Author: | |
|---|---|
| Format: | masterThesis |
| Language: | Spanish |
| Published: |
2024
|
| Subjects: | |
| Online Access: | https://hdl.handle.net/20.500.12008/46912 |
| Tags: |
No Tags, Be the first to tag this record!
|
| Summary: | Toda empresa de energía eléctrica, que cuente con generadores térmicos y generadores hidroeléctricos, se enfrenta al problema del Despacho Hidrotérmico Optimo. El mismo consiste en determinar una política de operación óptima de sus generadores de forma que se minimicen los costos a la hora de satisfacer la demanda energética en un determinado periodo de tiempo. Históricamente se suele usar técnicas derivadas de formulaciones analíticas para resolver este problema, como por ejemplo la Programación Dinámica o Programación Dinámica Estocástica (debido a la naturaleza estocástica del problema) entre otras. Estas técnicas suelen enfrentarse a la denominada “maldición de la dimensionalidad”, donde el espacio de estados sobre el que se trabaja tiende a crecer demasiado rápido, volviendo al problema intratable en términos computacionales. Para superar esa contrariedad y aplicar estas técnicas, por lo general, se opta por modificar o simplificar el problema original. Este trabajo investiga la viabilidad de resolver el problema de Despacho Hidrotérmico Optimo utilizando técnicas de Reinforcement Learning, una rama de Machine Learning que ha mostrado sobreponerse al problema de la “Maldición de la Dimensionalidad” en otros tipos de problemas. El trabajo esta estructurado en dos iteraciones, en cada iteración se detalla una instancia del problema (con alguna complejidad extra sobre la iteración anterior), y luego se procede a resolverlo por técnicas tradicionales, y por Reinforcement Learning, para luego analizar y comparar los resultados. Reinforcement Learning parece ser una alternativa prometedora para resolver el problema de Despacho Hidrotérmico Optimo, ya que en muchos de los experimentos realizados se obtienen resultados similares, o hasta mejores, que las técnicas tradicionales, y ejecutándose de forma muy rápida. |
|---|