Optimización eléctrica: el poder de los algoritmos bio-inspirados
DOI:
https://doi.org/10.22201/ceide.16076079e.2025.26.2.8Palabras clave:
Naturaleza, Bio-inspiración, Algoritmo, Algoritmo Bio-Inspirado, Optimización, Sistemas eléctricosResumen
Cada día, dependemos de sistemas eléctricos que nos permiten llevar una vida conectada, pero detrás de la electricidad que llega a nuestros hogares, hay un desafío complejo: cómo hacer que esos sistemas funcionen de manera más eficiente y menos costosa. Aquí es donde entran los algoritmos bio-inspirados. Estos algoritmos, basados en los comportamientos observados en la naturaleza, ofrecen una manera innovadora de resolver problemas que parecen difíciles de abordar. Si bien su uso tiene un impacto directo en la economía, también pueden mejorar la sostenibilidad de los sistemas eléctricos, reduciendo su huella ambiental. Desde la optimización del consumo energético hasta la mejora de la seguridad operativa, estos algoritmos encuentran soluciones inteligentes a través de patrones que no siempre son evidentes para el ojo humano. En un mundo donde los sistemas eléctricos se vuelven cada vez más complejos, estos algoritmos emergen como aliados poderosos, flexibles y capaces de ofrecernos un futuro energético más limpio y eficiente.
→ Leer más
Citas
Arora, S., y Singh, S. (2019). Butterfly optimization algorithm: A novel approach for global optimization. Soft Computing, 23(3), 715–734. https://doi.org/10.1007/s00500-018-3102-4.
Chopra, N., y Mohsin Ansari, M. (2022). Golden jackal optimization: A novel nature-inspired optimizer for engineering applications. Expert Systems with Applications, 198, 116924. https://doi.org/10.1016/j.eswa.2022.116924.
Dora, B. K., Rajan, A., Mallick, S., y Halder, S. (2023). Optimal Reactive Power Dispatch problem using exchange market based Butterfly Optimization Algorithm. Applied Soft Computing, 147. https://doi.org/10.1016/j.asoc.2023.110833.
Jakšić, Z., Devi, S., Jakšić, O., y Guha, K. (2023). A comprehensive review of bio-inspired optimization algorithms including applications in microelectronics and nanophotonics. Biomimetics, 8(3). https://doi.org/10.3390/biomimetics8030278.
Kennedy, J., y Eberhart, R. (1995). Particle swarm optimization. IEEE International Conference on Neural Networks – Conference Proceedings, 4. https://doi.org/10.4018/ijmfmp.2015010104.
Ma, R., Li, X., Gao, W., Lu, P., y Wang, T. (2020). Random-fuzzy chance-constrained programming optimal power flow of wind integrated power considering voltage stability. IEEE Access, 8. https://doi.org/10.1109/ACCESS.2020.3040382.
Márquez Vera, M. A. (2023). Inteligencia de enjambre: De los sistemas naturales a los artificiales. Revista Digital Universitaria, 24(1). https://doi.org/10.22201/cuaieed.16076079e.2023.24.1.11.
n.d. (2023, junio 30). Plataforma Nacional de Energía, Ambiente y Sociedad. https://energia.conacyt.mx/planeas/electricidad/sistema-electrico-nacional.
Peraza-Vázquez, H., Peña-Delgado, A., Ranjan, P., Barde, C., Choubey, A., y Morales-Cepeda, A. B. (2021). A Bio-Inspired Method for Mathematical Optimization Inspired by Arachnida Salticidade. Mathematics, 10(1), 102. https://doi.org/10.3390/math10010102.
Peraza-Vázquez, H., Peña-Delgado, A., Merino-Treviño, M., Morales-Cepeda, A. B., y Sinha, N. (2024). A novel metaheuristic inspired by horned lizard defense tactics. Artificial Intelligence Review, 57(3). https://doi.org/10.1007/s10462-023-10653-7.
Sastry, K., Goldberg, D., y Kendall, G. (s/f). Genetic algorithms. En Search Methodologies (pp. 97–125). Springer US. https://doi.org/10.1007/0-387-28356-0_4.
Shaheen, M. A. M., Hasanien, H. M., Mekhamer, S. F., y Talaat, H. E. A. (2019). Optimal power flow of power systems including distributed generation units using sunflower optimization algorithm. IEEE Access, 7. https://doi.org/10.1109/ACCESS.2019.2933489.
Ullah, K., Ali, S., Khan, T. A., Khan, I., Jan, S., Shah, I. A., y Hafeez, G. (2020). An optimal energy optimization strategy for smart grid integrated with renewable energy sources and demand response programs. Energies, 13(21). https://doi.org/10.3390/en13215718.
Wang, R., Li, Q., Zhang, B., y Wang, L. (2019). Distributed consensus-based algorithm for economic dispatch in a microgrid. IEEE Transactions on Smart Grid, 10(4). https://doi.org/10.1109/TSG.2018.2833108.
Wang, Z., Younesi, A., Liu, M. V., Guo, G. C., y Anderson, C. L. (2023). AC optimal power flow in power systems with renewable energy integration: A review of formulations and case studies. IEEE Access, 11. https://doi.org/10.1109/ACCESS.2023.3314330.
Zadehbagheri, M., Ildarabadi, R., y Javadian, A. M. (2023). Optimal power flow in the presence of HVDC lines along with optimal placement of FACTS in order to power system stability improvement in different conditions: Technical and economic approach. IEEE Access, 11. https://doi.org/10.1109/ACCESS.2023.3283573.
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Revista Digital Universitaria
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Revista Digital Universitaria es editada por la Universidad Nacional Autónoma de México se distribuye bajo una Licencia Creative Commons Atribución-NoComercial 4.0 Internacional. Basada en una obra en http://revista.unam.mx/.
