Comparison of Results of Economic Load Dispatch Using Various Meta-Heuristic Techniques
Notice bibliographique
Résumé
The power sector of India is in a huge catastrophe in satisfying the energy requirement of the public due to incessant exhaustion of fossil fuels.The nonstop exhaustion of fossil fuels, rising power needs and increasing production cost of power requires economic operation at the generation side and economic utilization at the consumer side.Economic dispatch is the process of determining the optimal power output from 'n' number of generators to meet the demand at low cost subject to certain constraints.Economic dispatch ensures the optimal generation of power at low cost from thermal power plants.The mathematical formulation of economic dispatch problems is usually done by the piecewise quadratic fitness function.This article compares the results generated from various techniques such as Lambda Iteration (LI) method, Genetic Algorithm (GA), Particle Swarm Optimization (PSO), Quantum Particle Swarm Optimization (QPSO) and Shuffled Frog Leaping Approach (SFLA).LI method is a traditional method of solving economic load dispatch which works on the concept of equal incremental cost (λ).GA works on Darwin's theory of evolution, where the population of individual solutions is modified repeatedly to obtain the optimal solution in the population.PSO is derived from the concept of swarm intelligence, where the best solution is found using the values of personal best and global best in the population.QPSO is basically derived from the PSO.SLFA is obtained from the concept of food-frogs used to find an accurate solution to our power system problem.In this paper, the best fuel cost and execution time was found from QPSO, SFLA compared with LI, GA and PSO methods.These approaches are applied for three and thirteen generator system and the convergence characteristics, heftiness was explored through comparisons from different approaches discussed earlier.The results are hopeful and it suggests that shuffled frog leaping algorithm is very effectual in terms of both the minimized fuel cost obtained and the execution time.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».