A Modified Hybrid Particle Swarm Optimization With Bat Algorithm Parameter Inspired Acceleration Coefficients for Solving Eco-Friendly and Economic Dispatch Problems
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
The paper presents a modified hybrid particle swarm optimization with bat algorithm parameter inspired acceleration coefficients (MHPSO-BAAC) without and with the constriction factor to find the optimal solution of the economic dispatch problems (EDPs) incorporating conventional as well as hybrid and renewable energy sources (RESs) based plants. The algorithm is designed by modifying the recently presented hybrid PSO and BA (HPSOBA) algorithm applied for the achievement of the optimal solution of the EDPs. The modified algorithm is implemented to solve EDPs of all RESs-based power systems for three scenarios, without constraints, with time-varying demand, and with the consideration of regional load sharing dispatch (RLSD). The performance of the algorithm is also verified through the implementation of various combinations of hybrid as well as thermal power plants (TPPs). The case of TPPs consists of three different scenarios: 1) a small-scale system with constraints like ramp-rate limits (RRLs), prohibited operating zones (POZs), and power losses; 2) a medium-scale power system with consideration of emission-economic dispatch (EED); 3) a large-scale power system with valve-point loading (VPL) effect. The results of the designed MHPSO-BAAC algorithm are compared with the various metaheuristic algorithms available in the literature and the comparative analysis shows the superior performance of the developed algorithm in terms of fuel cost reduction, fast convergence, and computational 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.
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 | 0,001 |
| 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