MétaCan
Menu
Retour à la cohorte
Enregistrement W4281744740 · doi:10.1155/2022/5348017

Optimal Sizing of Hybrid Energy System Using Random Exploratory Search-Centred Harris Hawks Optimizer with Improved Exploitation Capability

2022· article· en· W4281744740 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.

Notice bibliographique

RevueMathematical Problems in Engineering · 2022
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésSizingBenchmark (surveying)Maxima and minimaMathematical optimizationRenewable energyWind powerMetaheuristicComputer scienceGreenhouse gasReliability engineeringEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Due to the depletion of traditional energy resources, emissions of greenhouse gases, climate change, etc., renewable energy resources (RER) based power generation is becoming the main source of the present and future power sector. The major RERs, including solar, wind, and small hydro, may provide reliable and sustainable solutions in the smart grid environment. Solar and wind energy-based power generation is more prevalent but varies in nature and is not even very predictable very efficiently. Therefore, it has become necessary to integrate two or more RER and develop a hybrid energy system (HES). The HESs provide a cost-effective and reliable power supply with reduced and/or almost negligible greenhouse gas emissions as well. Due to economic and power reliability concerns, the optimal sizing of components is necessary for the development of an optimum HES. In recent years, metaheuristic evolutionary algorithms have been widely used for optimal sizing of HES. Harris hawk’s optimizer (HHO) is a recently devised metaheuristics search method that has the ability to discover global minima and maxima. However, due to its weak exploitation capacity, the basic HHO algorithm’s local search is pretty slow and has a slow rate of convergence. Thus, to boost the exploitation phase of HHO, a new approach, random exploratory search centered Harris hawk’s optimizer (hHHO-ES), has been developed in the present work for optimal sizing of HES. The suggested approach is validated and compared to existing optimization approaches for a variety of well-known benchmark functions, including unimodal, multimodal, and fixed dimensions. Following this, it is used to develop HES, which will be capable of providing power to remote areas where grid supply is scarce. The objective function is formulated using net present cost (NPC) as a prime function under a set of constraints such as bounds of system components and reliability. The obtained results are compared with those from harmony search (HS) and particle swarm optimization (PSO) and found to be better.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,581
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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 Opus0,019
Tête enseignante GPT0,199
Écart entre enseignants0,181 · 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