Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 139 vistas

    Taller 6 Solver Pyomo en Python 1

    Cargado por

    david alexander melo perez
    El documento describe los pasos para establecer un modelo de optimización lineal en Python para asignar la demanda de energía eléctrica de tres ciudades entre dos plantas de manera que se minimicen los costos. Se resuelve el modelo usando Pyomo y se encuentra que la planta 1 debe abastecer completamente a Cali y parcialmente a Bogotá, mientras que la planta 2 abastece completamente a Medellín, resultando en un costo total óptimo de $940.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Taller 6 Solver Pyomo en Python 1

    Cargado por

    david alexander melo perez
    139 vistas5 páginas
    El documento describe los pasos para establecer un modelo de optimización lineal en Python para asignar la demanda de energía eléctrica de tres ciudades entre dos plantas de manera que se minimicen los costos. Se resuelve el modelo usando Pyomo y se encuentra que la planta 1 debe abastecer completamente a Cali y parcialmente a Bogotá, mientras que la planta 2 abastece completamente a Medellín, resultando en un costo total óptimo de $940.

    Descripción original:

    ejercicio de otimización, paso a paso

    Título original

    Taller 6 solver Pyomo en Python 1

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento describe los pasos para establecer un modelo de optimización lineal en Python para asignar la demanda de energía eléctrica de tres ciudades entre dos plantas de manera que se minimicen los costos. Se resuelve el modelo usando Pyomo y se encuentra que la planta 1 debe abastecer completamente a Cali y parcialmente a Bogotá, mientras que la planta 2 abastece completamente a Medellín, resultando en un costo total óptimo de $940.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    139 vistas5 páginas

    Taller 6 Solver Pyomo en Python 1

    Cargado por

    david alexander melo perez
    El documento describe los pasos para establecer un modelo de optimización lineal en Python para asignar la demanda de energía eléctrica de tres ciudades entre dos plantas de manera que se minimicen los costos. Se resuelve el modelo usando Pyomo y se encuentra que la planta 1 debe abastecer completamente a Cali y parcialmente a Bogotá, mientras que la planta 2 abastece completamente a Medellín, resultando en un costo total óptimo de $940.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 5

    Taller 6 Practica 5

    Establecer el modelo del siguiente problema de optimización lineal y resolverlo


    utilizando el solver Pyomo de Python:

    *Notas:
    1. Anexo al documento de solución del taller, deben subir el archivo con
    extensión “ipynb” de Python.
    2. En el documento de solución del taller deben incluir capturas de la
    compilación y solución del modelo en Python
    Procedimiento.

     Inicialmente, se instalan las librerías para proceder con la implementación del


    modelo de optimización lineal Pyomo para Python.

     Seguidamente, se ingresan los datos brindados por el problema.

     Luego, se establecen las variables de decisión, donde debido a que es un


    modelo lienal esta tiene una restricción de que no pueden ser negativas..

     Conforme a ello, se define la función objetivo, la cual esta definida por el


    modelo matemático que describe la optimización que requiere el problema
    para distribuir entre las 2 plantas la demanda de las 2 ciudades según su
    respectivo costo.
     De esta manera con el fin de garantizar que los resultados cumplan con la
    reducción de costos, se establecen las restricciones.

     Finalmente se resuelve el modelo.

     Donde nos muestra un resultado de optimización distribuyendo la demanda


    según la oferta que garantiza un menor coste.
    Análisis.

    La distribución óptima de energía revela una estrategia eficiente y precisa para


    satisfacer las demandas eléctricas de las ciudades. Se asigna la planta 1 para
    abastecer completamente a Cali, entregando 80 millones de watts, mientras que se
    divide la responsabilidad en Bogotá: la Planta 1 aporta 40 millones de watts y la
    planta 2 contribuye con 30 millones de watts. Medellín, por su parte, confía en la
    planta 2 para recibir la totalidad de sus 90 millones de watts necesarios. Este
    enfoque estratégico minimiza los costos de transporte al considerar cuidadosamente
    las capacidades de producción y las tarifas de envío, resultando en una distribución
    de energía que aborda las necesidades individuales de cada ciudad de manera
    eficiente, teniendo en cuenta que el costo total optimizado para esta distribución de
    energía es de $940. Esto representa el gasto mínimo necesario para satisfacer todas
    las demandas de energía en las tres ciudades.
    Conclusión
    La resolución del problema de distribución de energía eléctrica en las ciudades de
    Cali, Bogotá y Medellín mediante una estrategia de optimización lineal ha
    proporcionado una solución óptima que minimiza los costos de transporte,
    garantizando al mismo tiempo que las demandas de energía de cada ciudad sean
    satisfechas. La solución óptima indica que la Planta1 debe suministrar energía a las
    ciudades de Cali y Bogotá, mientras que la Planta2 debe satisfacer la demanda de
    energía de la ciudad de Medellín. Esta distribución óptima no solo reduce los gastos
    asociados al transporte de energía, sino que también cumple con las restricciones
    de capacidad de producción de las plantas y las demandas de las ciudades.
    Al maximizar la eficiencia en el envío de energía eléctrica, esta solución permite a la
    empresa energética colombiana utilizar sus recursos de manera más efectiva y
    económica. La asignación precisa de la cantidad de energía de cada planta a cada
    ciudad demuestra cómo las técnicas de optimización pueden contribuir a la toma de
    decisiones informadas en la planificación y gestión de recursos energéticos. La
    solución encontrada ofrece una estrategia efectiva y rentable para satisfacer las
    necesidades eléctricas de las ciudades, lo que puede traducirse en beneficios
    económicos y operativos a largo plazo.

    También podría gustarte