MétaCan
Menu
Retour à la cohorte
Enregistrement W2901019113 · doi:10.1155/2018/5794016

Inexact Fuzzy Chance-Constrained Fractional Programming for Sustainable Management of Electric Power Systems

2018· article· en· W2901019113 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMathematical Problems in Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversity of Regina
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNorth China Electrical Power University
Mots-clésMathematical optimizationElectric power systemFuzzy logicElectric powerComputer scienceProfit (economics)Linear programmingElectricity generationFractional programmingOperations researchPower (physics)MathematicsNonlinear programmingEconomicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

An inexact fuzzy chance-constrained fractional programming model is developed and applied to the planning of electric power systems management under uncertainty. An electric power system management system involves several processes with socioeconomic and environmental influenced. Due to the multiobjective, multilayer and multiperiod features, associated with these various factors and their interactions extensive uncertainties, may exist in the study system. As an extension of the existing fractional programming approach, the inexact fuzzy chance-constrained fractional programming can explicitly address system uncertainties with complex presentations. The approach can not only deal with multiple uncertainties presented as random variables, fuzzy sets, interval values, and their combinations but also reflect the tradeoff in conflicting objectives between greenhouse gas mitigation and system economic profit. Different from using least-cost models, a more sustainable management approach is to maximize the ratio between clean energy power generation and system cost. Results of the case study indicate that useful solutions for planning electric power systems management practices can be generated.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,979
Score d'incertitude au seuil0,679

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,201
Écart entre enseignants0,194 · 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