Key points are not available for this paper at this time.
Em sistemas de energia modernos, o despacho ótimo de potência reativa multiobjetivo é crucial para a redução de perdas de energia enquanto mantém a estabilidade da tensão nos barramentos. No entanto, lacunas na mineração de características multimodais e na tomada de decisão multiobjetivo exigem mais progresso. Este estudo propõe um algoritmo evolutivo multimodal multiobjetivo com restrições e uma estratégia assistida por multitarefa, atribuindo exploração global e exploração local a tarefas evolutivas separadas e adotando transferência de informações para coordenação entre tarefas. Um esquema de tomada de decisão baseado na distância de Manhattan mínima é desenvolvido para selecionar soluções de compromisso e fornecer alternativas valiosas. A validação experimental em 17 benchmarks confirma o desempenho superior do algoritmo em otimização multimodal. Estudos de caso em sistemas de 30/57/118 barramentos da IEEE verificam sua eficácia no despacho ótimo de potência reativa. Para o caso com incertezas de potência e carga eólica, alcançou uma perda de potência esperada de 2,1916 MW e uma desvio de tensão de 0,3133 p.u. Resultados experimentais mostram que o algoritmo pode otimizar eficientemente a perda de potência e a desvio de tensão agregada enquanto satisfaz todas as restrições.
Hu et al. (qui,) estudaram essa questão.