MétaCan
Menu
Retour à la cohorte
Enregistrement W2599344532 · doi:10.20508/ijrer.v7i1.5172.g6974

Frequency Control of Micro Grid with wind Perturbations Using Levy walks with Spider Monkey Optimization Algorithm

2017· article· en· W2599344532 sur OpenAlexaboutno aff

Notice bibliographique

RevueInternational Journal of Renewable Energy Research · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueFrequency Control in Power Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpiderGridAlgorithmOptimization algorithmComputer scienceControl (management)Mathematical optimizationControl theory (sociology)MathematicsBiologyArtificial intelligenceEcology

Résumé

récupéré en direct d'OpenAlex

Frequency and voltage controls are the two main challenges in the micro grid operation both in the grid connected and autonomous mode due to the presence of uncertain renewable sources. Since economic micro grid operation relies on fluctuating renewable sources such as wind and solar, the task of maintaining frequency within the limits for smooth operation of micro grid demands advanced controller action. Keeping this in mind, a panoptic exploration to search space has been accomplished using proposed eagle strategy for optimizing the gains of PI controller employed in controllable generating units in the islanded micro grid. The proposed eagle strategy which made the search process two fold i.e., coarse search by levy flights and an intensive local search by spider monkey algorithm. The proposed strategy has been tested on typical micro grid test system and also on real world Bella Coola micro grid in British Columbia, Canada. Frequency model of systems were developed in SIMULINK/MATLAB and the simulation results for different scenarios confirms that the proposed strategy performs better and the results are compared with few prominent algorithms to ascertain its superiority in finding better gains of PI controllers.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,029
Tête enseignante GPT0,294
Écart entre enseignants0,266 · 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

Citations8
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Renewable Energy ResearchMême sujetFrequency Control in Power SystemsTravaux en français237 207