Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 1

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
This research focuses on the utilization of artificial intelligence through the sequential and integrated crossover of two population metaheuristic methods: Genetic Algorithm (GA) and Particle Swarm Optimization (PSO). These methods are applied to solve the Optimal Reactive Power Flow (ORPF) in the West Algerian network, comprising 102 nodes. The objective of this combination is to demonstrate its impact compared to non-hybrid metaheuristic methods in reducing energy losses while effectively improving various aspects such as voltage levels, the flow of active and reactive energy in the lines, transformation ratios of transformers, and the execution time of the process. Following this application, a comparative study of the results from different methods was conducted.
PL
Niniejsze badania koncentrują się na wykorzystaniu sztucznej inteligencji poprzez sekwencyjne i zintegrowane krzyżowanie dwóch metod metaheurystycznych populacji: algorytmu genetycznego (GA) i optymalizacji roju cząstek (PSO). Metody te są stosowane do rozwiązania optymalnego przepływu mocy biernej (ORPF) w sieci zachodnioalgierskiej, obejmującej 102 węzły. Celem tej kombinacji jest wykazanie jej wpływu w porównaniu z niehybrydowymi metodami metaheurystycznymi na redukcję strat energii przy jednoczesnej skutecznej poprawie różnych aspektów, takich jak poziomy napięcia, przepływ energii czynnej i biernej w liniach, współczynniki transformacji transformatorów i czas realizacji procesu. Po tej aplikacji przeprowadzono badanie porównawcze wyników różnych metod.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.