Research on cooperative scheduling and power restoration strategy of intelligent operation and maintenance equipment under flood disaster based on dynamic planning
Notice bibliographique
Résumé
In order to cope with the damage of urban electricity and the dilemma of residents' electricity consumption caused by flooding disaster, we study the dynamic planning of intelligent operation and maintenance equipment scheduling and distribution network restoration under flooding disaster.Consideration is given to both pre-disaster deployment and post-disaster scheduling levels, while dynamic planning is carried out for collaborative repair and energy storage scheduling to construct a scheduling model with multi-source collaboration.Based on this, a multi-resource cooperative postdisaster recovery strategy for distribution networks is further proposed.The usability of this paper's multi-source cooperative strategy is studied in depth through case analysis.Among the six Cases of the simulation experiment, the total cost in Case 1, which is operated and restored according to the strategy proposed in this paper, is the lowest, which is only 257080.2RMB.The maximum, minimum, and average values of the solution time of the multi-source cooperative strategy are much faster than those of the comparison methods, and it has obvious advantages in fast decision making.The multisource synergy model in this paper is able to recover all the loads within 285 min, while the finite synergy model takes 330 min.The multi-source synergy model was able to recover 7,500 kW of load, while the limited synergy model was only able to recover 6,850 kW.The multi-source cooperative model has strong applicability.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».