Beruflich Dokumente
Kultur Dokumente
Nombre de la Tarea
Optimizacin de los modelos de prediccin con
______funciones objetivo
Unidad #2
Ajustando datos a un modelo.
Introduccin
2
Optimizacin
Funcin objetivo
Es la medida cuantitativa del funcionamiento del sistema que se desea optimizar (maximizar o
minimizar). Como ejemplo de funciones objetivo se pueden mencionar: la minimizacin de los
costes variables de operacin de un sistema elctrico, la maximizacin de los beneficios netos
de venta de ciertos productos, la minimizacin del cuadrado de las desviaciones con respecto a
unos valores observados, la minimizacin del material utilizado en la fabricacin de un producto,
etc.
Variables
Representan las decisiones que se pueden tomar para afectar el valor de la funcin objetivo.
Desde un punto de vista funcional se pueden clasificar en variables independientes o
principales o de control y variables dependientes o auxiliares o de estado, aunque
matemticamente todas son iguales. En el caso de un sistema elctrico sern los valores de
produccin de los grupos de generacin o los flujos por las lneas. En el caso de la venta, la
cantidad de cada producto fabricado y vendido. En el caso de la fabricacin de un producto, sus
dimensiones fsicas.
Restricciones
3
Modelo y modelado
Un modelo es, en definitiva, una herramienta de ayuda a la toma de decisiones. Por esta razn,
sus resultados deben ser inteligibles y tiles. Modelarse puede entender simultneamente como
ciencia y como arte. Es una ciencia pues se basa en un conjunto de procesos estructurados:
anlisis y deteccin delas relaciones entre los datos, establecimiento de suposiciones y
aproximaciones en la representacin de los problemas, desarrollo o uso de algoritmos
especficos de solucin. Es un arte porque materializa una visin o interpretacin de la realidad
no siempre de manera unvoca. Cada persona imprime su estilo en el modelo mismo y en la
especificacin, en el desarrollo y en la documentacin.
4
Optimizacin estocstica
basados en el clculo analtico de las propiedades estadsticas del proceso controlado. Por otra
parte, puede ser una suposicin estadstica restrictiva, como a menudo se tiene en procesos
reales con incertidumbres, distintos intervalos de tiempo con caractersticas que no estn
adecuadamente modelados
Esta tcnica de control MPC basado en escenarios, en el que se optimizan las entradas de
control a lo largo de un horizonte finito de prediccin, sujeto a restricciones robustas bajo un
numero finito de escenarios de incertidumbres y/o perturbaciones. Los sistemas planteados son
de naturaleza estocstica, pueden tener perturbaciones aditivas, por incertidumbres randomicas
en el sistema de matrices o ambas. El objetivo comn de estos sistemas es minimizar la funcin
de coste, mientras que el sistema est sujeto a restricciones limitadas (chance constraints), por
6
lo que las restricciones deben ser cumplidas con una probabilidad dada. Para tratar este tipo de
sistema se propone la tcnica de SMPC, que consiste en desarrollar un MPC basado en un
numero finito de escenarios. La idea de esta tcnica es computar una ley de control optima que
sea factible para K escenarios muestreados producto de la incertidumbre. Donde el nmero de
escenarios debe ser cuidadosamente elegido para lograr las propiedades
Ejemplo:
7
Conclusiones
Bibliografa
Ramos, Muoz. Computational experience with optimization for a bulk production cost
model. PSCC, 1996