Intelligent based technique for under voltage load shedding in power transmission systems
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
<p>The increasing demand of electric power energy and the presence of disturbances can be identified as the factors of voltage instability condition in a power system. A secure and reliable power system should be considered to ensure smooth delivery of electricity to the consumers. A power system may experience undesired event such as voltage instability condition leading to voltage collapse or cascading collapse if the system experiences lack of reactive power support. Thus, to avoid blackout and cascaded tripping, load shedding is the last resort to prevent a total damage. Under Voltage Load Shedding (UVLS) scheme is one of the possible methods which can be conducted by thepower system operators to avoid the occurrence of voltage instability condition. This paper presents the intelligent based technique for under voltage load shedding in power transmission systems. In this study, a computational based technique is developed in solving problem related to UVLS. The integration between a known computational intelligence-based technique termed as Evolutionary Programming (EP) with the under-voltage load shedding algorithm has been able to maintain the system operated within the acceptable voltage limit. Loss and minimum voltage control as the objective function implemented on the IEEE 30-Bus Reliability Test System (RTS) managed to optimally identify the optimal location and sizing for the load shedding scheme. Results from the studies, clearly indicate the feasibility of EP for load shedding scheme in loss and minimum voltage control in power system.</p>
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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