MétaCan
Menu
Retour à la cohorte
Enregistrement W4377014284 · doi:10.13052/dgaej2156-3306.3843

A Novel Hybrid Swarm Intelligence and Cuckoo Search Based Microgrid EMS for Optimal Energy Scheduling

2023· article· en· W4377014284 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

RevueDistributed Generation & Alternative Energy Journal · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésMicrogridCuckoo searchComputer scienceParticle swarm optimizationDistributed generationEnergy management systemEnergy managementSmart gridScheduling (production processes)GridSwarm intelligenceDistributed computingControl engineeringMathematical optimizationRenewable energyEngineeringEnergy (signal processing)AlgorithmControl (management)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

A grid-connected or islanded microgrid made up of distributed energy sources (DERs), requires a power management/dispatch system to control the power dispatch and meet the load demand in the system. At the tertiary control level in a typical microgrid, an optimal scheduling mechanism is used to manage the power generated from the local DERs, energy drawn from the grid and energy consumption by the load. This paper proposes a novel hybrid optimization technique for day-ahead scheduling in a smart-grid. A Hybrid Feedback PSO-MCS algorithm is implemented using swarm intelligence and cuckoo search to enhance the performance and obtain a cost-effective solution for a microgrid prosumer. A comparison has been made of the Hybrid Feedback PSO-MCS (HFPSOMCS) algorithm with PSO and modified CS (MCS) algorithm. The best performing algorithm among the three is executed in MATLAB/Simulink and Python IDE platforms to compare the execution 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 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 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 enseignants0,916
Score d'incertitude au seuil1,000

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 Opus0,030
Tête enseignante GPT0,249
Écart entre enseignants0,219 · 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