Multi‐objective design of advanced power distribution networks using restricted‐population‐based multi‐objective seeker‐optimisation‐algorithm and fuzzy‐operator
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study proposes a method for designing advanced power distribution system (PDS) including distributed generations, using a combination of fundamental loop generator and multi‐objective seeker‐optimisation algorithm (MOSOA). The proposed approach reduces the searching space using fundamental loop generator technique to obtain initial feasible solutions which is further improved by SOA to generate new set of solutions with improved aptitude. The proposed methodology uses a contingency‐load‐loss‐index for reliability evaluation, which is independent of the estimation of failure rate and fault repair duration of feeder branches. This planning strategy includes distribution automation devices such as automatic reclosers (RAs) to enhance the reliability of PDS. The proposed algorithm generates a set of non‐dominated solution by simultaneous optimisation of two conflicting objectives (economic cost and system reliability) using Pareto‐optimality‐based trade‐off analysis including a fuzzy‐operation to automatically select the most suitable solution over the Pareto‐front. The performance of the proposed approach is assessed and illustrated on 54‐bus and 100‐bus PDS, considering realtime design practices. Extensive comparisons are made against some well‐known and efficient MO algorithms such as fast non‐dominated sorting genetic algorithm‐II, MO particle‐swarm‐optimisation and MO immunised‐particleswarm‐optimisation. Simulation results show that the proposed approach is accurate and efficient, and a potential candidate for large‐scale PDS planning.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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