Enhanced Nature-Inspired Meta-Heuristic Algorithm for Microgrid Performance Improvement
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 article, a new selection technique based on Enhanced Nature-Inspired Meta-Heuristic (ENIMH) optimization algorithm is presented to improve the Microgrid (MG) dynamic performance. Interconnected microgrids have the ability to provide a clean and sustainable energy during normal and emergency operating conditions. The concerned microgrid includes hybrid renewable energy sources (RES) and energy storages systems (ESS). MG achieves a reduced dependency on the electric grid and provides flexible and adaptive energy supply. This paper develops a new selection technique based on ENIMH optimization that distinguishes the degrees of resemblance between the best individual and other individuals of current population. This technique proposes a binary coding of individuals, and is compared to conventional techniques; it allows each individual to occupy a section of the modified roulette wheel selection for the calculated degree of resemblance. This enhanced optimization technique tunes the dynamic PID parameters of microgrid closed loop system. The designed strategy is dependably to locate the arrangement of enhanced parameters to minimize the system frequency fluctuations in the microgrid and to provide the improved dynamic performance by being sensitive to variations for closed loop response under various power and load conditions. The proposed technique has been demonstrated using Matlab/Simulink simulation on the underlined microgrid, where the achieved results confirm the effectiveness of proposed selection method for the reproduction of best individuals to show the improved performance. The proposed technique achieved satisfactory performance for PID-controllers, and provided a good closed loop performance, minimum overshoot and minimum fitness index, in comparison with other well-established methods. The results emphasize that ENIMH optimization algorithm has the exploration and exploitation capability of population best individuals to accomplish the best solutions.
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