Configuration of distribution systems using a sequential genetic algorithm.

O problema da Configuração de Redes de Distribuição foi formulado para ser resolvido empregando-se Algoritmos Genéticos (AGs). A formulação do problema é geral, englobando os três enfoques do problema: Reconfiguração, Restabelecimento e Planejamento. Apresentam-se uma função de aptidão que engloba os três enfoques, um procedimento para ajuste automático de seus parâmetros e uma memória genética, que mitiga as chamadas à função. Contudo, apesar da formulação generalizada, o enfoque principal do trabalho é no desenvolvimento de novas técnicas que permitam aos AGs configurar redes de grande porte em um tempo factível. Nesse sentido, duas codificações são apresentadas: Subtrativa e Aditiva. Elas têm em comum a vantagem de codificarem exclusivamente configurações radiais conexas, o fato de utilizarem uma lógica cuja interpretação é sequencial e não demandarem operadores genéticos específicos. Sua principal desvantagem reside na maior complexidade de seus algoritmos de decodificação, porém estruturas de dados e operadores que simplificam a decodificação foram propostos: L, L’, XOR, XOR’, R, R’, IXOR e IXOR’. Os resultados obtidos em cinco sistemas teste disponíveis na literatura demonstram que as referidas codificações são efetivas na melhoria do desempenho dos AGs. Embora Subtrativa e Aditiva caracterizem uma contribuição ao estado da arte, considera-se como principal inovação do trabalho a formulação de um AG Sequencial. Esse algoritmo tem como pré-requisito a utilização de um código sequencial e se diferencia do AG convencional por combinar espaço de busca com tamanho controlado a um critério de otimização heurístico. Para testá-lo foram utilizados os três maiores sistemas dentre os cinco usados anteriormente, tendo sido observados ganhos consistentes de desempenho, mesmo tomando como referência os resultados obtidos por Subtrativa e Aditiva com o AG.The Distribution Network Configuration Problem is stated to be solved by using Genetic Algorithms (GAs). The formulation includes network reconfiguration, service restoration, and expansion planning. A fitness function comprising those three approaches, a procedure to automatically adjust its parameters and a genetic memory which mitigates the overall fitness calls are presented. However, despite this general formulation, the main focus of the thesis is in developing new techniques so as to configure large networks using GAs in a feasible time. Accordingly, two encodings are presented: Subtractive and Additive. They share the advantage of representing only radial and connected networks, the fact that adopt a logic whose interpretation is sequential, and do not demanding any specific genetic operator. Their main drawback is the complexity of decodification algorithms, so specific data structures and operators were proposed in order to simplify the decodification process: L, L’, XOR, XOR’, R, R’, IXOR and IXOR’. The results on five test systems available in the configuration literature show that these encodings are effective in improving the performance of GAs. Although Subtractive and Additive characterize a contribution to the state of the art, it is considered as the main innovation of the thesis the formulation of a Sequential GA. This algorithm shall use some sequential encoding and differs from the conventional GA combining the control of search space size with a heuristic optimization criterion. In order to validate the Sequential GA, it was used the largest three systems of the five used previously. Consistent improvements in performance were observed, taking as reference even the results obtained by Subtractive and Additive with the GA