Optimal Scheduling of Large-Scale Wind-Hydro-Thermal Systems with Fixed-Head Short-Term Model
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
In this paper, a Modified Adaptive Selection Cuckoo Search Algorithm (MASCSA) is proposed for solving the Optimal Scheduling of Wind-Hydro-Thermal (OSWHT) systems problem. The main objective of the problem is to minimize the total fuel cost for generating the electricity of thermal power plants, where energy from hydropower plants and wind turbines is exploited absolutely. The fixed-head short-term model is taken into account, by supposing that the water head is constant during the operation time, while reservoir volume and water balance are constrained over the scheduled time period. The proposed MASCSA is compared to other implemented cuckoo search algorithms, such as the conventional Cuckoo Search Algorithm (CSA) and Snap-Drift Cuckoo Search Algorithm (SDCSA). Two large systems are used as study cases to test the real improvement of the proposed MASCSA over CSA and SDCSA. Among the two test systems, the wind-hydro-thermal system is a more complicated one, with two wind farms and four thermal power plants considering valve effects, and four hydropower plants scheduled in twenty-four one-hour intervals. The proposed MASCSA is more effective than CSA and SDCSA, since it can reach a higher success rate, better optimal solutions, and a faster convergence. The obtained results show that the proposed MASCSA is a very effective method for the hydrothermal system and wind-hydro-thermal systems.
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