MétaCan
Menu
Retour à la cohorte
Enregistrement W4200381313 · doi:10.1109/icds53782.2021.9626722

Hybrid Method Based on Metaheuristics and Interior Point for Optimal Power Flow

2021· article· en· W4200381313 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueOptimal Power Flow Distribution
Établissements canadiensRoyal Military College of Canada
Organismes subventionnairesCanadian Defence Academy
Mots-clésMetaheuristicComputer scienceMATLABMathematical optimizationParallel metaheuristicTransformerAC powerPower flowInterior point methodControl variableVoltageAlgorithmPower (physics)Electric power systemMathematicsMachine learningEngineering

Résumé

récupéré en direct d'OpenAlex

In this paper we present a hybrid algorithm based on metaheuristics and the interior point (IP) method from MATPOWER to solve the optimal power flow problem. The control variables optimized are the real power and voltage of the generators, the transformer tap ratios and angles and the settings of the static volt-ampere reactive compensators (SVARs). The metaheuristic is used to optimize the discrete variables while MATPOWER is used at every evaluation of the fitness function to compute optimized values for the continuous variables. Compared to methods relying only on metaheuristics, our proposed approach is able to optimize the control settings for networks that are much larger. Compared to using MATPOWER alone, our proposed approach is able to optimize the transformer and the SVAR settings. To select the metaheuristic that is best suited for this application, five metaheuristics were implemented and compared. The software was implemented in MATLAB and parallelized to run on a computer cluster. The proposed algorithm was tested on networks up to 2383 buses.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,482
Score d'incertitude au seuil0,624

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,246
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

En bref

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetOptimal Power Flow DistributionTravaux en français237 207