A Simulation Optimization Approach for the Appointment Scheduling Problem with Decision-Dependent Uncertainties
Modelos Distribucionalmente Robustos para Problemas de Optimización Estocástica Multietapa
Este proyecto de investigación tiene como objetivo desarrollar nuevos modelos, teoría y algoritmos para problemas de modelos de optimización dinámica que incorporen robustez para las distribuciones de probabilidad subyacentes. Centramos nuestro trabajo en las clases importantes de problemas estocásticos multietapa, en los que la información se revela periodo a periodo y las decisiones se toman en consecuencia, utilizando la información de las etapas anteriores. Aplicamos…
Adaptarse a las incertidumbres y riesgos del cambio climático: métodos y modelos avanzados para sistemas y mercados energéticos
El objetivo del proyecto es desarrollar nuevos modelos matemáticos y métodos computacionales que ayuden al sector privado y público a adaptar los sistemas y mercados energéticos a las grandes incertidumbres y riesgos derivados del cambio climático. Para lograr esta meta, la investigación aborda tres objetivos de investigación: (1) Modelar y clasificar los distintos tipos de incertidumbres y riesgos asociados al cambio climático; (2) Desarrollar modelos…
Gema: mejorando la gestión de energía en microrredes con almacenamiento vía optimización estocásticas y machine learning
El objetivo principal de este proyecto es perfeccionar y poner en práctica un sistema óptimo de gestión energética para sistemas de generación basados en paneles fotovoltaicos y con unidades de almacenamiento. Estos sistemas pueden ser tanto on-grid (conectados a la red) como off-grid (sistemas aislados, generalmente en lugares remotos), y conectados a un número reducido de usuarios, como una vivienda o una pequeña empresa. En…