Optimal integration of photovoltaic distributed generation in electrical distribution network using hybrid chaotic maps and adaptive acceleration coefficients PSO algorithm
Notice bibliographique
Résumé
The satisfaction of electricity customers and environmental constraints imposed have made the trend towards renewable energies making them more essential due to their advantages as reducing power losses and ameliorating system’s voltage profiles and reliability. This article addresses the optimal location and size of multiple distributed generations (DGs) based on solar photovoltaic panels (PV) connected to Electrical Distribution Network (EDN) using the various proposed hybrid Particle Swarm Optimization (PSO) algorithms based on chaotic maps and adaptive acceleration coefficients. These algorithms are implemented to optimally allocate the DGs based PV (PV-DG) into EDN by minimizing the multi-objective function (MOF), which is represented as the sum of three technical parameters of the Total Active Power Loss (TAPL), Total Voltage Deviation (TVD), and Total Operation Time (TOT) of Overcurrent Relays (OCRs). The effectiveness of the proposed PSO algorithms were validated on both standards IEEE 33-bus, and 69-bus. The optimal integrating of PV-DGs into EDNs reduced the TAPL percentage by 56.94 % for the IEEE 33-bus and by 61.17 % for the IEEE 69-bus test system, enhanced the voltage profiles while minimizing the TVD by 37.35 % and by 32.27 % for two EDNs, respectively.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».