بازیابی خدمات چند قیدی و چند تابع هدفه سیستم توزیع قدرت با اولویت مشتریان
| دسته بندی | مقالات ترجمه شده isi |
| بازدید ها | 6 |
| فرمت فایل | doc |
| حجم فایل | 297 کیلو بایت |
| تعداد صفحات فایل | 18 |
Multiobjective, Multiconstraint Service Restoration of Electric Power Distribution System With Priority Customers
Abstract—In this paper, a technique based on nondominated
sorting genetic algorithm-II (NSGA-II) is presented for solving
the service restoration problem in an electric power distribution
system. Due to the presence of various conflicting objective
functions and constraints, the service restoration task is a multiobjective,
multiconstraint optimization problem. In contrast to
the conventional genetic-algorithm (GA)-based approach, this
approach does not require weighting factors for the conversion
of such a multiobjective optimization problem into an equivalent
single objective function optimization problem. In this work,
various practical distribution system operation issues, such as the
presence of priority customers, presence of remotely controlled, as
well as manually controlled switches, etc. have also been considered.
Based on the simulation results on four different distribution
systems, the performance of the NSGA-II-based scheme has
been found to be significantly better than that of a conventional
GA-based method. Besides, to reduce the software runtime of the
NSGA-II algorithm, a faster version of NSGA-II has also been
implemented
بازیابی خدمات چند قیدی و چند تابع هدفه سیستم توزیع قدرت با اولویت مشتریان
چکیده
در این مقاله، یک روش مبتنی بر دسته بندی بدون کنترل الگوریتم ژنتیک-2 (NSGA-2) برای حل مساله بازیابی سرویس (برق دهی) در یک سیستم توزیع قدرت الکتریکی ارائه می گردد. بخاطر وجود توابع هدف و قیود ناسازگار مختلف، کار بازگردانی سرویس یک مساله بهینه سازی با چند تابع هدف و چند قیدی می باشد. برخلاف الگوریتم ژنتیک قدیمی روش مبتنی بر GA، این روش نیاز به ضرایب وزنی برای تبدیل یک چنین مساله بهینه سازی با چند تابع هدف به یک مساله بهینه سازی یک تابع هدفه معادل ندارد. در این مقاله، مسائل عملی مختلف سیستم توزیع همانند حضور مشترین با اولویت، حضور کلید های کنترل شده از راه دور و همچنین کنترل دستی و غیره نیز در نظر گرفته می شود. بر پایه نتایج شبیه سازی چهار سیستم توریع مختلف، فهمیده شد که عملکرد طرح مبتنی بر NSGA-2 بطور چشمگیری بهتر از آن روش مبتنی بر GA قدیمی می باشد. همچنین، برای کاستن زمان اجرای نرم افزار الگوریتم NSGA-2 یک ورژن با سرعت بیشتر نیز بکار بسته می شود.
..
شبکه عصبی چند جمله ای دیفرانسیلِ کسری برای تقریب زنی توابع
| دسته بندی | مقالات ترجمه شده isi |
| بازدید ها | 10 |
| فرمت فایل | doc |
| حجم فایل | 642 کیلو بایت |
| تعداد صفحات فایل | 9 |
The Fractional Differential Polynomial Neural Network for Approximation of Functions
Abstract: In this work, we introduce a generalization of the differential polynomial neural
network utilizing fractional calculus. Fractional calculus is taken in the sense of the Caputo
differential operator. It approximates a multi-parametric function with particular polynomials
characterizing its functional output as a generalization of input patterns. This method can
be employed on data to describe modelling of complex systems. Furthermore, the total
information is calculated by using the fractional Poisson process.
شبکه عصبی چند جمله ای دیفرانسیلِ کسری برای تقریب زنی توابع
چکیده
در این مقاله، تعمیمی از شبکه عصبی چند جملهای دیفرانسیلی را با استفاده از محاسبات کسری معرفی میکنیم. محاسبات کسری در معنایعملگردیفرانسیلی کاپوتو در نظر گرفته میشوند که یک تابع چند پارامتری را با چند جملهایهای خاصتقریب میزند که خروجی عملکردی آن را به عنوان تعمیمی از الگوهای ورودی مشخص میکند. میتوان این روش را بر دادههایی به منظور تشریح مدلسازی سیستمهای پیچیده به کار گرفت. علاوه بر این، اطلاعات کل با استفاده از فرایند پویسون کسری محاسبه میشود.