A Modified SSLPS Algorithm with Logistic Pseudo-Random Sequence Generator for Improving the Performance of Neka Power Plant
Notice bibliographique
Résumé
Metaheuristic techniques have successfully contributed to the development and optimization of large-scale distributed power systems. The archived literature demonstrate that the modification or tuning of the parameters of specific metaheuristics can provide powerful tools suited for optimization of power plants with different types of constraints. In spite of the high potential of metaheuristics in dealing with such systems, most of the conducted researches only address the optimization of the electrical aspects of power systems. In this research, the authors intend to attest the applicability of metaheuristics for optimizing the mechanical aspects of a real-world large-scale power plant, i.e. Neka power plant sited in Mazandaran, Iran. To do so, firstly, based on the laws of thermodynamics and the physics of the problem at hand, the authors implement a mathematical model to calculate the values of exergetic efficiency, energetic efficiency, and total cost of the Neka power plant as three main objective functions. Besides, a memetic supervised neural network and Bahadori's mathematical model are used to calculate the dynamic values of specific heat over the operating procedure of the power plant. At the second stage, a modified version of a recent spotlighted Pareto based multiobjective metaheuristic called synchronous self-learning Pareto strategy (SSLPS) is proposed. The proposed technique is based on embedding logistic chaotic map into the algorithmic architecture of SSLPS. In this context, the resulting optimizer, i.e. chaos-enhanced SSLPS (C-SSLPS), uses the response of time-discrete nonlinear logistic map to update the positions of heuristic agents over the optimization procedure. For the sake of comparison, strength Pareto evolutionary algorithm (SPEA 2), non-dominated sorting genetic algorithm (NSGA-II) and standard SSLPS are taken into account. The results of the numerical study confirm the superiority of the proposed technique as compared to the other rival optimizers. Besides, it is observed that metaheuristics can be successfully used for optimizing the mechanical/energetic parameters of Neka power plant.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».