ALGORITMOS GENÉTICOS NA ENGENHARIA ELÉTRICA
DOI:
https://doi.org/10.63330/aurumpub.019-002Palavras-chave:
Algoritmos genéticos, Otimização, Sistemas de potência, Engenharia elétrica, Meta-heurísticasResumo
Em face do aumento exponencial da demanda por energia elétrica, impulsionado pelo desenvolvimento tecnológico e pela urbanização acelerada, as técnicas de otimização heurísticas despontam como instrumentos cruciais na engenharia elétrica para promover a eficiência e a sustentabilidade. Este estudo explora os Algoritmos Genéticos (AGs), uma metodologia bioinspirada na evolução darwiniana, destacando sua versatilidade para resolver problemas complexos de otimização que envolvem não linearidades, restrições múltiplas e incertezas estocásticas. Por meio de uma análise teórica aprofundada, discute-se a estrutura conceitual dos AGs, incluindo seus operadores essenciais como seleção, cruzamento e mutação, além de potenciais aplicações em áreas como planejamento de sistemas de potência, controle de dispositivos elétricos, estimação de parâmetros e otimização de redes de distribuição. A literatura especializada evidencia que os AGs superam abordagens convencionais, como métodos determinísticos, em cenários multivariáveis e de alta dimensionalidade, fomentando soluções eficientes, adaptáveis e robustas que contribuem para a redução de custos operacionais e impactos ambientais. Além disso, são abordadas limitações inerentes, como o tempo computacional e a sensibilidade a parâmetros, sugerindo hibridizações com outras meta-heurísticas para aprimoramento.
Downloads
Referências
ANEEL. Energia disponível no Brasil e no mundo. Brasília: Aneel, 2008. Disponível em: <http://www2.aneel.gov.br/arquivos/pdf/atlas_par1_cap2.pdf>. Acesso em: 07 out. 2024.
ALAM, T. et al. Genetic algorithm: reviews, implementations, and applications. International Journal of Engineering Pedagogy, v. 10, n. 6, p. 57-77, 2020.
BISHT, V. S.; JOSHI, N.; JETHI, G. S.; BHAKUNI, A. S. A review on genetic algorithm and its application in power system engineering. In: MALIK, H. et al. (ed.). Metaheuristic and evolutionary computation: algorithms and applications. Singapore: Springer, 2021. p. 97-118. (Studies in Computational Intelligence, v. 916). DOI: https://doi.org/10.1007/978-981-15-7571-6_5. Disponível em: <https://link.springer.com/chapter/10.1007/978-981-15-7571-6_5>. Acesso em: 4 out. 2025.
DA PAIXAO, Joelson Lopes et al. Energy Storage Management In A Microgrid For EV Fast-Charging. 2023 15th Seminar on Power Electronics and Control, SEPOC 2023, 2023. DOI: https://doi.org/10.1109/SEPOC58810.2023.10322635
GOLDBERG, D. E. Genetic algorithms in search, optimization, and machine learning. Reading: Addison-Wesley, 1989.
ISA, F. M. et al. A review of genetic algorithm: operations and applications. Journal of Advanced Research in Applied Sciences and Engineering Technology, v. 34, n. 2, p. 168-181, 2024.
KATOCH, S.; CHAUHAN, S. S.; KUMAR, V. A review on genetic algorithm: past, present, and future. Multimedia Tools and Applications, v. 80, p. 8091-8126, 2021.
KUMAR, M. et al. Genetic algorithm: review and application. SSRN Electronic Journal, 2010.
LINDEN, R. Algoritmos genéticos: uma importante ferramenta da inteligência computacional. Rio de Janeiro: Brasport, 2008.
PAIXÃO, Joelson Lopes et al. Optimized Strategy for Energy Management in an EV Fast Charging Microgrid Considering Storage Degradation. Energies, 2025. DOI: https://doi.org/10.3390/en18051060
PEDAPENKI, K. K.; SWATHI, G. Application of genetic algorithm in electrical engineering. International Journal of Pure and Applied Mathematics, v. 114, n. 8, p. 115-124, 2017.
SHAHI, B. et al. A Review Over Genetic Algorithm and Application of Wireless Network Systems. Procedia Computer Science, [S. l.], v. 78, p. 431-438, 2016. DOI: https://doi.org/10.1016/j.procs.2016.02.085. Disponível em: <https://www.sciencedirect.com/science/article/pii/S1877050916000879>. Acesso em: 1 out. 2025.
SILVA, E. Algoritmo genético: ferramenta computacional em estimativas de sinais periódicos, aperiódicos e caóticos. 2013. Dissertação (Mestrado em Engenharia Elétrica) – Universidade Federal de Itajubá, Itajubá, 2013.
SOUZA, S. A. et al. Parameter estimation for an electric power system using genetic algorithms. IEEE Latin America Transactions, v. 4, n. 1, p. 47-54, 2006.
Downloads
Publicado
Edição
Seção
Licença

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.