亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

A harmonic estimator design with evolutionary operators equipped grey wolf optimizer

估计员 渡线 谐波 计算机科学 锦标赛选拔 数学优化 谐波 进化算法 操作员(生物学) 功率(物理) 算法 最优化问题 电力系统 数学 人工智能 电压 统计 工程类 量子力学 物理 电气工程 转录因子 抑制因子 基因 生物化学 化学
作者
Akash Saxena,Rajesh Kumar,Seyedali Mirjalili
出处
期刊:Expert Systems With Applications [Elsevier]
卷期号:145: 113125-113125 被引量:44
标识
DOI:10.1016/j.eswa.2019.113125
摘要

Harmonic estimation is a challenging design problem in power networks. Accurate estimation of the inter, power and sub harmonics in networks can be a helpful aspect for designing potential solutions for elimination of these harmonics. Harmonic estimation design problem has been considered as an optimization problem with the amalgamation of least square algorithm in past. In this paper, we first propose an Evolutionary Operators Equipped Grey Wolf Optimizer (E-GWO). In this proposal a sinusoidal function enabled bridging is proposed and along with this tournament selection operator and crossover and mutation operation are incorporated at position updation phase. The variant is first benchmarked on latest CEC-2017 functions and then this design problem is addressed. After a meaningful comparison with the previously published approaches, we arrive at the conclusion that proposed modifications have positive implications on the performance of GWO. Proposed harmonic designs are robust when tested with different operating conditions.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
熊猫完成签到 ,获得积分10
1秒前
lqhccww发布了新的文献求助10
12秒前
研友_8yN60L完成签到,获得积分10
15秒前
ZB完成签到,获得积分10
19秒前
直率无声完成签到,获得积分10
21秒前
开朗满天完成签到,获得积分10
26秒前
深情安青应助lqhccww采纳,获得10
26秒前
牛八先生完成签到,获得积分10
29秒前
lu完成签到,获得积分10
33秒前
侧耳发布了新的文献求助10
35秒前
36秒前
激动的晓筠完成签到 ,获得积分10
36秒前
hh完成签到,获得积分10
37秒前
外向小猫咪完成签到,获得积分10
40秒前
静待花开发布了新的文献求助10
41秒前
文艺的枫叶完成签到 ,获得积分10
49秒前
meow完成签到 ,获得积分10
51秒前
Jerry完成签到 ,获得积分10
53秒前
打打应助121231233采纳,获得10
54秒前
OrangeWang完成签到,获得积分10
56秒前
OrangeWang发布了新的文献求助10
58秒前
orixero应助我去吃饭采纳,获得10
1分钟前
1分钟前
小尾巴完成签到 ,获得积分10
1分钟前
1分钟前
大个应助Nature_Science采纳,获得10
1分钟前
zero完成签到 ,获得积分10
1分钟前
gty完成签到,获得积分10
1分钟前
bob完成签到 ,获得积分10
1分钟前
121231233发布了新的文献求助10
1分钟前
友好白凡发布了新的文献求助10
1分钟前
丘比特应助科研通管家采纳,获得10
1分钟前
科研通AI2S应助科研通管家采纳,获得10
1分钟前
顾矜应助科研通管家采纳,获得10
1分钟前
打打应助科研通管家采纳,获得10
1分钟前
Ava应助科研通管家采纳,获得10
1分钟前
1分钟前
英俊的铭应助gty采纳,获得10
1分钟前
xxxg郭完成签到 ,获得积分10
1分钟前
1分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
人脑智能与人工智能 1000
理系総合のための生命科学 第5版〜分子・細胞・個体から知る“生命"のしくみ 800
普遍生物学: 物理に宿る生命、生命の紡ぐ物理 800
花の香りの秘密―遺伝子情報から機能性まで 800
King Tyrant 720
Silicon in Organic, Organometallic, and Polymer Chemistry 500
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 计算机科学 有机化学 物理 生物化学 纳米技术 复合材料 内科学 化学工程 人工智能 催化作用 遗传学 数学 基因 量子力学 物理化学
热门帖子
关注 科研通微信公众号,转发送积分 5606518
求助须知:如何正确求助?哪些是违规求助? 4690912
关于积分的说明 14866566
捐赠科研通 4706287
什么是DOI,文献DOI怎么找? 2542732
邀请新用户注册赠送积分活动 1508144
关于科研通互助平台的介绍 1472276