Genetic Algorithm for Energy Commitment in a Power System Supplied by Multiple Energy Carriers
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 recent years, energy consumption has notably been increasing. This poses a challenge to the power grid operators due to the management and control of the energy supply and consumption. Here, energy commitment is an index criterion useful to specify the quality level and the development of human life. Henceforth, continuity of long-term access to resources and energy delivery requires an appropriate methodology that must consider energy scheduling such as an economic and strategic priority, in which primary energy carriers play an important role. The integrated energy networks such as power and gas systems lead the possibility to minimize the operating costs; this is based on the conversion of energy from one form to another and considering the starting energy in various types. Therefore, the studies toward multi-carrier energy systems are growing up taking into account the interconnection among various energy carriers and the penetration of energy storage technologies in such systems. In this paper, using dynamic programming and genetic algorithm, the energy commitment of an energy network that includes gas and electrical energy is carried out. The studied multi-carrier energy system has considered defending parties including transportation, industrial and agriculture sectors, residential, commercial, and industrial consumers. The proposed study is mathematically modeled and implemented on an energy grid with four power plants and different energy consumption sectors for a 24-h energy study period. In this simulation, an appropriate pattern of using energy carriers to supply energy demand is determined. Simulation results and analysis show that energy carriers can be used efficiently using the proposed energy commitment method.
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