Application and Comparison of Metaheuristic and New Metamodel Based Global Optimization Methods to the Optimal Operation of Active Distribution Networks
Notice bibliographique
Résumé
As an imperative part of smart grids (SG) technology, the optimal operation of active distribution networks (ADNs) is critical to the best utilization of renewable energy and minimization of network power losses. However, the increasing penetration of distributed renewable energy sources with uncertain power generation and growing demands for higher quality power distribution are turning the optimal operation scheduling of ADN into complex and global optimization problems with non-unimodal, discontinuous and computation intensive objective functions that are difficult to solve, constituting a critical obstacle to the further advance of SG and ADN technology. In this work, power generation from renewable energy sources and network load demands are estimated using probability distribution models to capture the variation trends of load fluctuation, solar radiation and wind speed, and probability scenario generation and reduction methods are introduced to capture uncertainties and to reduce computation. The Open Distribution System Simulator (OpenDSS) is used in modeling the ADNs to support quick changes to network designs and configurations. The optimal operation of the ADN, is achieved by minimizing both network voltage deviation and power loss under the probability-based varying power supplies and loads. In solving the computation intensive ADN operation scheduling optimization problem, several novel metamodel-based global optimization (MBGO) methods have been introduced and applied. A comparative study has been carried out to compare the conventional metaheuristic global optimization (GO) and MBGO methods to better understand their advantages, drawbacks and limitations, and to provide guidelines for subsequent ADN and smart grid scheduling optimizations. Simulation studies have been carried out on the modified IEEE 13, 33 and 123 node networks to represent ADN test cases. The MBGO methods were found to be more suitable for small- and medium-scale ADN optimal operation scheduling problems, while the metaheuristic GO algorithms are more effective in the optimal operation scheduling of large-scale ADNs with relatively straightforward objective functions that require limited computational time. This research provides solution for ADN optimal operations, and forms the foundation for ADN design optimization.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».