{"id":101637,"date":"2021-07-22T11:12:45","date_gmt":"2021-07-22T18:12:45","guid":{"rendered":"https:\/\/www.feeling.com.mx\/site\/?p=101637"},"modified":"2021-07-22T11:14:33","modified_gmt":"2021-07-22T18:14:33","slug":"equipo-de-mexico-y-cuba-ganan-competencia-internacional-de-computacion-evolutiva","status":"publish","type":"post","link":"https:\/\/www.feeling.com.mx\/site\/101637\/equipo-de-mexico-y-cuba-ganan-competencia-internacional-de-computacion-evolutiva.html","title":{"rendered":"Equipo de M\u00e9xico y Cuba ganan competencia internacional de computaci\u00f3n evolutiva"},"content":{"rendered":"

\u00b7 Por segundo a\u00f1o consecutivo, el CICESE-UT\u00b3 y la Universidad de Camag\u00fcey ganan en competencia de c\u00f3mputo evolutivo aplicado al sector energ\u00e9tico.<\/span><\/h3>\n

\u00b7 Optimizar el consumo de energ\u00eda, sin afectar las necesidades de cada hogar.<\/span><\/h3>\n

Ensenada, Baja California, M\u00e9xico, a 22 de julio de 2021.<\/strong> Un equipo de investigadores y estudiantes del CICESE-UT\u00b3 y la Universidad de Camag\u00fcey obtuvo el 1er y 2do lugar en la 5ta edici\u00f3n de la competencia \u201cEvolutionary Computation in the Energy Domain: Smart Grid Applications 2021\u201d, enfocada en probar t\u00e9cnicas de inteligencia computacional aplicadas a problemas de manejo de recursos energ\u00e9ticos en redes inteligentes.<\/p>\n

En esta edici\u00f3n, la competencia se enfoc\u00f3 principalmente en el desarrollo de algoritmos evolutivos para resolver dos problemas: 1) Optimizaci\u00f3n bi-nivel de estrategias de licitaci\u00f3n en mercados energ\u00e9ticos locales, y 2) Gesti\u00f3n de la flexibilidad de los electrodom\u00e9sticos para respaldar las solicitudes del operador del sistema de distribuci\u00f3n.<\/p>\n

Durante la competencia, contra una veintena de algoritmos de once pa\u00edses, el equipo de M\u00e9xico y Cuba desarroll\u00f3 un algoritmo de optimizaci\u00f3n que busca dentro del espacio de entre todas las opciones la mejor soluci\u00f3n a un problema, mediante el uso de subpoblaciones de soluciones y el aprendizaje de modelos probabil\u00edsticos, en este caso aplicado a problemas de optimizaci\u00f3n enfocados en el manejo de recursos energ\u00e9ticos en redes inteligentes.<\/p>\n

\"\"<\/p>\n

\u201cLa competencia usa como casos de prueba una simulaci\u00f3n de una comunidad energ\u00e9tica en la que los hogares consumen energ\u00eda el\u00e9ctrica pero tambi\u00e9n pueden producirla mediante recursos renovables como la energ\u00eda solar o e\u00f3lica, y se usan veh\u00edculos el\u00e9ctricos que pueden funcionar como bater\u00edas m\u00f3viles. Dependiendo del problema espec\u00edfico se incluye un mercado el\u00e9ctrico local o que los electrodom\u00e9sticos tienen capacidades de respuesta a la demanda\u201d <\/p><\/blockquote>\n

indic\u00f3 el Dr. Ansel Y. Rodr\u00edguez, investigador del CICESE-UT\u00b3, la unidad for\u00e1nea del CICESE que se encuentra en Tepic, Nayarit, y l\u00edder del equipo ganador.<\/p>\n

El algoritmo permite manejar la respuesta a la demanda por parte de los dispositivos y electrodom\u00e9sticos, es decir, que informen cuando pueden frenar su consumo de electricidad y los hogares reciban un incentivo por realizar esta acci\u00f3n. As\u00ed se puede disminuir la demanda de energ\u00eda en las horas pico y el costo de la energ\u00eda en esas horas. El objetivo es que se consuma m\u00e1s energ\u00eda en el mejor momento, cuando los precios son m\u00e1s bajos y existe poca demanda, pero sin afectar las necesidades y preferencias de cada hogar, a\u00f1adi\u00f3 Rodr\u00edguez.<\/p>\n

La competencia fue organizada por el IEEE CIS Task Force 3 on Computational Intelligence in the Energy Domain y forma parte de tres congresos de renombre internacional (IEEE PES GM, IEEE CEC & GECCO), donde se exponen los trabajos realizados, se presentan los resultados y se discuten trabajos futuros.<\/p>\n

Smart Grid Problems Competitions est\u00e1 dise\u00f1ada para que la comunidad cient\u00edfica tenga un espacio donde probar los algoritmos de optimizaci\u00f3n, dentro de un entorno controlado y bajo las mismas condiciones, lo cual permite mejorar y crear algoritmos que se especializan en buscar soluciones a problemas del \u00e1rea de redes el\u00e9ctricas inteligentes.<\/p>\n

Equipo bicampe\u00f3n<\/strong><\/p>\n

Desde hace tres a\u00f1os, el CICESE-UT\u00b3 y la Universidad de Camag\u00fcey, Cuba, han colaborado para participar en esta competencia. En 2019 obtuvieron el 4to lugar, mientras que en los dos \u00faltimos a\u00f1os se han mantenido en el 1er y 2do lugar.<\/p>\n

Este 2021, el equipo ganador est\u00e1 conformado por Ansel Y. Rodr\u00edguez, Ram\u00f3n Aranda y Samantha Barajas, del CICESE-UT\u00b3, y Yoan Mart\u00ednez y Julio Madera, de la Universidad de Camag\u00fcey. Los participantes compitieron contra algoritmos de otros pa\u00edses como China, India, Rusia, Estados Unidos, Espa\u00f1a, Colombia, Australia, El Salvador y Argentina.<\/p>\n

\u201cUno de los retos, dado que el a\u00f1o pasado se obtuvo primer lugar, fue [superar] la presi\u00f3n de participar este a\u00f1o, y que funcionara la mejora de los algoritmos celulares basados en estimaci\u00f3n de distribuciones que nos est\u00e1bamos planteando\u201d, coment\u00f3 Rodr\u00edguez. <\/p><\/blockquote>\n

A\u00f1adi\u00f3 que otro reto fue la comunicaci\u00f3n, debido a una parte del equipo se encuentra en M\u00e9xico y la otra en Cuba, por lo cual, se dividieron en subequipos para crear y probar diferentes algoritmos, que sirvieron de base al algoritmo final, es decir, al \u201cHill Climbing to Ring Cellular Encode-Decode Univariate Marginal Distribution Algorithm (HC2RCEDUMDA)\u201d, el cual obtuvo el 1er y 2do lugar en la competencia.<\/strong><\/p>\n

El Dr. Ansel Rodr\u00edguez asegura que la colaboraci\u00f3n entre los dos pa\u00edses continuar\u00e1, as\u00ed como su participaci\u00f3n en el pr\u00f3ximo evento: \u201cTenemos varias ideas de trabajo futuro enfocadas a mejorar el algoritmo que tenemos y crear nuevos, tambi\u00e9n para hacer adecuaciones a algoritmos celulares continuos\u2026 esperamos poder implementar todas las nuevas ideas \u2026 y que con el impulso de estudiantes de la primera generaci\u00f3n de la Maestr\u00eda en Ciencias en Tecnolog\u00edas Avanzadas e Integradas, que ya es una realidad, continuemos cosechando resultados en esta y otras \u00e1reas\u201d, finaliz\u00f3 el Dr. Rodr\u00edguez.<\/p>\n

\n

???? En la secci\u00f3n "Qui\u00e9n es y qu\u00e9 hace" del podcast #Sonobiopolis<\/a> el Dr. Ansel Rodr\u00edguez, investigador del @CICESE_UT3<\/a> , comparte los proyectos que desarrolla a partir del aprendizaje computacional y la miner\u00eda de datos. Escucha en https:\/\/t.co\/fXIoO4kF7M<\/a> pic.twitter.com\/ET4m8j3JF1<\/a><\/p>\n

— CICESE (@todoscicese) March 31, 2020<\/a><\/p><\/blockquote>\n