Optimal Active Energy Loss with Feeder Routing and Renewable Energy for Smart Grid Distribution
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
Electric power is the main energy source for a modern society. Good management of electric power cycle is essential for a sustainable society. The electric power cycle is composed of Generation, Transmission, Distribution, and Consumption. Smart Grid (SG) is a system that integrated traditional grids with Information and Communication Technology (ICT). In addition, SG has the ability to integrate electrical power supply from both to main power substation and Distributed Generation (DG), which compensates for the power demand during peak times. However, SG still has a similar problem to the original grid in terms of active power loss, from electric current injecting through the transmission line. This paper solves the active power loss problem by feeder routing using the Adjusting Dijkstra's Cost Method, follow by deciding the allocation position and sizing of DG by the use of Evolutionary Computing, namely Harmony Search (HS), Artificial Bee Colony (ABC), and Particle Swarm Optimization (PSO). The experiments evaluate the performance of the algorithm using power flow analysis, Backward / Forward Sweep Method, on the IEEE 33 bus system. From the experimental results, PSO provides the best performance. The overall active power loss in the cases of 3 DGs was reduced from 202.67 to 52.29 kW, representing a reduction of 74.20%.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 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