EPSO BASICS

Abstract / Resumo (em inglês)

This site reflects the work developed in a project, aiming at the development and consolidation of a new meta-heuristic variant called EPSO - Evolutionary Particle Swarm Optimization, whose original idea was conceived by Vladimiro Miranda and which has presented extremely promising preliminary results - as well as its application to large scale problems in Power Systems.

EPSO is a method based on a hybrid of two established optimization techniques belonging to the meta-heuristic family: evolutionary computing and particle swarm optimization. Meta-heuristics correspond to optimization methods competing with classical mathematical programming methods and also with implicit enumeration models. They are called meta-heuristics because the rational behind them contains a formal explanation for convergence to the global optimum, even if the convergence cannot be guaranteed except in probabilistic or stochastic terms.

Evolutionary Computation is based on the original paradigm of Darwin for natural selection, and the progress towards the optimum derives from the joint action of reproduction (recombination and mutation) and selection. Particle Swarm methods are based on the paradigm of animal social behavior, whose group behavior is influenced by factors of inertia or habit, of individual memory and of cooperation or exchange of information among the members of a social group.

These methods allow attempts to solve problems in the diversity of engineering areas, namely in Electrical Power Systems, which are hard to deal with classical methods, both because of the complexity of the models and because of the intrinsic difficulty of the problem itself.

The new EPSO method relies on the basic idea of using simultaneously the power of Evolution Strategies and the exploring capacity of Particle Swarms. One aims at a self-adapting model, not requiring extensive tuning of parameters by an user to solve specific problems, but able to self-tune in an intelligent way to respond to the characteristics of each problem. The success of this strategy delivers to the scientific community a tool, more powerful than the existing ones to solve engineering problems of high complexity degree.

The new EPSO formulations include also a performance enhancement development, based on a probabilistic communication structure named stochastic star, which allowed speeding up its rate of progression towards the optimum and the self-tuning of its parameters.

One may find here also the results from also experimenting and testing the method, in selected power systems problems such as Voltage/VAR control, protection design or Monte Carlo simulations for reliability analysis.

Resumo / Abstract (in portuguese)

Este sítio reflecte o trabalho desenvolvido num projecto cujo objectivo era o desenvolvimento e consolidação de uma nova variante meta-heurística EPSO - Evolutionary Particle Swarm Optimization, cuja ideia original é de Vladimiro Miranda e que apresentou muito promissores resultados preliminares - e a sua aplicação a problemas de grande escala de Sistemas de Energia.

EPSO é um método que se baseia na hibridação de duas técnicas de optimização da família das meta-heurísticas: a computação evolucionária e os métodos de enxame de partículas. As meta-heurísticas correspondem a métodos de optimização de problemas concorrentes com os clássicos modelos de programação matemática, por um lado, e com os modelos de enumeração implícita, por outro. Designam-se por meta-heurísticas porque o racional que as dirige contém uma explicação formal de convergência para o óptimo global dos problemas, ainda que a garantia de convergência possa não ser determinística e apenas estocástica. Exemplos: Simulated Annealing, Algoritmos Genéticos, Estratégias de Evolução (ES), Pesquisa Tabu, Enxame de Partículas (PSO).

A computação evolucionária baseia-se originalmente no paradigma de Darwin da selecção natural, e o progresso para uma solução deriva da acção conjunta de operadores de reprodução (recombinação e mutação) e de selecção. Os métodos de enxame de partículas baseiam-se no paradigma do comportamento social animal, cujo comportamento de grupo é influenciado por factores de hábito ou inércia, de memória individual e de cooperação ou troca de informação entre os membros de um grupo social.

Estes métodos permitem atacar problemas nos mais diversos domínios da engenharia, nomeadamente de Sistemas de Energia Eléctrica, de difícil tratamento por técnicas clássicas, seja pela complexidade da modelização seja pela dificuldade intrínseca do problema.

O novo método EPSO tem como ideia base utilizar em simultâneo o poder dos processos evolutivos com a capacidade exploradora dos enxames de partículas. Pretende-se um método auto-adaptativo, que não exija forte sintonização de parâmetros para resolver problemas específicos, mas que se auto-sintonize de forma inteligente para corresponder às características de cada problema. O êxito desta abordagem representa a entrega à comunidade científica de uma ferramenta mais poderosa do que as existentes para a resolução de problemas de engenharia de elevada complexidade.

A nova formulação do EPSO inclui um processo novo potenciador do desempenho do EPSO,baseado num mecanismo probabilístico denominado estrela estocástica, acelerando a taxa de progressão em direcção ao óptimo e favorecendo a auto-adaptação.

Podem aqui apreciar-se ainda resultados da experimentação e teste do método, em confronto com outros, na resolução de problemas seleccionados no domínio dos sistemas de energia eléctrica, como o do controlo de tensão/energia reactiva ou simulações de Monte Carlo para estudos de fiabilidade.