MétaCan
Menu
Retour à la cohorte
Enregistrement W2020833658 · doi:10.1049/ip-gtd:20050054

Fuzzy EP algorithm and dynamic data structure for optimal capacitor allocation in radial distribution systems

2006· article· en· W2020833658 sur OpenAlexaff
Bala Venkatesh, Rakesh Ranjan

Notice bibliographique

RevueIEE Proceedings - Generation Transmission and Distribution · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueOptimal Power Flow Distribution
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésSizingAC powerMathematical optimizationControl reconfigurationCapacitorFuzzy logicComputer scienceTransformerElectric power systemDynamic programmingAlgorithmControl theory (sociology)VoltagePower (physics)EngineeringMathematicsArtificial intelligenceElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Optimal reactive-power compensation in a radial distribution system requires the determination of the best set of locations for siting capacitors of minimum sizes. The total cost of compensation should be the least and must yield the maximum energy-loss reduction accounting for various load levels. Other controls such as transformer taps, reconfiguration options and existing reactive-power sources must be considered while searching for the optimal solution. Optimal selection of a few best sites from among a large set is a problem of high combinatorial order and difficult to solve using conventional optimisation techniques. Optimal sizing is a problem of a continuous nature. The paper proposes a single dynamic data structure for an evolutionary programming (EP) algorithm that handles the problems of siting and sizing of new shunt capacitors simultaneously while considering transformer taps, existing reactive-power sources and reconfiguration options, accounting for different load levels and time durations. A fuzzy model of the objective function is developed for optimisation in the EP framework. The proposed fuzzy EP method is tested on two cases of a 69-bus radial distribution system.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,223
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations65
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEE Proceedings - Generation Transmission and DistributionMême sujetOptimal Power Flow DistributionTravaux en français237 207