Equipo de la U.N., 1° puesto en competencia mundial de Inteligencia Computacional

Durante el Congreso Mundial de Inteligencia Computacional que agrupa el Congreso de Redes Neuronales, Congreso de Computación Evolucionaria y Congreso de Sistemas Difusos, el equipo multiinstitucional conformado por la Universidad Nacional, Accelogic y Khalifa University (Emiratos Árabes Unidos) se adjudicó el 1° puesto de la competencia de operación de redes inteligentes: Evolutionary Computation in Uncertain Environments: A Smart Grid Application.

Esta es la segunda vez (2017 y 2018) que el equipo de la Facultad de Ingeniería se posiciona entre los tres finalistas y la primera que logra entrar en el olimpo de la inteligencia computacional.

La competencia consistió en operar al mínimo costo una red inteligente mediante la programación de la operación de fuentes de energía distribuidas considerando incertidumbre en renovables, vehículos eléctricos, pronóstico de carga y precios del mercado. La red de prueba correspondía a un sistema de distribución de 33 nodos con 7 fuentes de generación distribuida entre renovables y tradicionales, 34 vehículos eléctricos, 2 dispositivos de almacenamiento de energía, 90 cargas controlables y 2 puntos de inyección de potencia negociados en mercados eléctricos; para un total de 142 variables de decisión cada hora en un horizonte de tiempo de 24 horas (es decir 3.408 variables a determinar por el algoritmo).

El equipo de la Universidad Nacional estuvo conformado por el estudiante de doctorado Pedro García, el egresado de Ingeniería Eléctrica Julián Cantor y los profesores de la Facultad de Ingeniería María Alejandra Guzmán, Camilo Cortés y Sergio Rivera. Por parte de Accelogic, los colaboradores fueron el jefe de Científicos y el vicepresidente de Investigación y Desarrollo, Juan González y Rafael Núñez, respectivamente. Y por parte de Khalifa University, la profesora Ameena Alsumaiti.

El algoritmo utilizado por el equipo multi-institucional correspondió a dos métodos de optimización heurística llamados: Variable Neighborhood Search algorithm (VNS) y Differential Evolutionary Particle Swarm Optimization (DEEPSO). Estos métodos son variaciones matemáticas de métodos tradicionales bioinspirados.

Los algoritmos utilizados tienen un sin número de aplicaciones en las siguientes áreas: optimización, estimación de parámetros de modelos y pronósticos de variables dependientes.

“Invitamos a la comunidad académica que tenga que resolver este tipo de problemas acercarse al equipo de la Universidad de Colombia para ver posibilidades de cooperación”, invitaron los integrantes del equipo.