Reduction in Microgrid Topology Selection Time via Hybrid Branch and Bound and k-Nearest Neighbors Techniques
Notice bibliographique
Résumé
The global adoption of hybrid renewable energy systems (HRESs) is accelerating as a strategic response to escalating energy demands and the imperative to mitigate greenhouse gas emissions. Despite the development of various technological tools, such as pre-feasibility analysis, sizing, and simulation tools, challenges persist due to their limited flexibility in modifying system architectures and their typically long computation times, which hinder their practical efficiency. This study introduces a novel hybrid method that integrates the Branch and Bound (BB) heuristic search algorithm with the k-Nearest Neighbors (kNN) algorithm to drastically reduce the simulation time of microgrid models in Simulink. Validation considering four distinct case studies reveals that our method can decrease the simulation time by up to 94.68% while maintaining an acceptable accuracy. Specifically, simulation times in certain cases were reduced from approximately 21,780 and 118,580 s to 1442.7969 and 6306.0625 s, respectively. This significant reduction facilitates the rapid evaluation and selection of optimal HRES configurations, enhancing the efficiency of both editable and non-editable systems. Through streamlining the simulation process, this approach not only accelerates the design and analysis phases but also supports the broader adoption and deployment of HRESs, which is critical for achieving a sustainable future. This advancement offers a robust and efficient methodology for optimizing simulation times, thereby addressing a key bottleneck in the development and implementation of hybrid renewable energy solutions.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».