Multi Dimension-Based Optimal Allocation of Uncertain Renewable Distributed Generation Outputs with Seasonal Source-Load Power Uncertainties in Electrical Distribution Network Using Marine Predator Algorithm
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 the last few years, the integration of renewable distributed generation (RDG) in the electrical distribution network (EDN) has become a favorable solution that guarantees and keeps a satisfying balance between electrical production and consumption of energy. In this work, various metaheuristic algorithms were implemented to perform the validation of their efficiency in delivering the optimal allocation of both RDGs based on multiple photovoltaic distributed generation (PVDG) and wind turbine distributed generation (WTDG) to the EDN while considering the uncertainties of their electrical energy output as well as the load demand’s variation during all the year’s seasons. The convergence characteristics and the results reveal that the marine predator algorithm was effectively the quickest and best technique to attain the best solutions after a small number of iterations compared to the rest of the utilized algorithms, including particle swarm optimization, the whale optimization algorithm, moth flame optimizer algorithms, and the slime mold algorithm. Meanwhile, as an example, the marine predator algorithm minimized the seasonal active losses down to 56.56% and 56.09% for both applied networks of IEEE 33 and 69-bus, respectively. To reach those results, a multi-objective function (MOF) was developed to simultaneously minimize the technical indices of the total active power loss index (APLI) and reactive power loss index (RPLI), voltage deviation index (VDI), operating time index (OTI), and coordination time interval index (CTII) of overcurrent relay in the test system EDNs, in order to approach the practical case, in which there are too many parameters to be optimized, considering different constraints, during the uncertain time and variable data of load and energy production.
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 | 0,001 |
| 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