MVO Algorithm for Optimal Simultaneous Integration of DG and DSTATCOM in Standard Radial Distribution Systems Based on Technical-Economic Indices
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
Distributed Generation (DG) involving clean renewable energy resources and power electronic devices for control have been the main focus of researchers in electrical power engineering nowadays. The paper presents a new technique for obtaining the best locations and ratings of the DG units, which are based on photovoltaic solar panels, and the Distribution Static Compensator (DSTATCOM), in Radial Distribution Systems (RDSs). The objective function deployed is subject to equality and inequality constraints and aims to minimize three technical-economic system indices, which are Apparent Power Loss (APL), Total Voltage Variation (TVV), and Annual Losses Cost (ALC). Multi-Verse Optimizer (MVO) is a recently developed nature-inspired algorithm, which is utilized to obtain the optimal integration of DG and DSTATCOM into the system. In this paper, four case studies are considered, which involve the base-case, the individual deployment of either DG or DSTATCOM, and the simultaneous deployment of DG and DSTATCOM to test the system performance, while using the MVO algorithm. To verify its validity, the algorithm is tested on the standard IEEE 33- and 69-bus RDSs whose results are compared with the results obtained when using other existing algorithms. Comparison among results reflects the strength and suitability of the suggested MVO algorithm in minimizing the real power losses and enhancing the voltage profile.
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 | 0,000 |
| 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