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.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

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
晓晓雪完成签到,获得积分10
刚刚
刚刚
李小小完成签到 ,获得积分20
刚刚
594778089发布了新的文献求助30
刚刚
飞飞飞飞飞完成签到,获得积分10
1秒前
千与千寻发布了新的文献求助10
1秒前
1秒前
1秒前
xiaoxiaoluo关注了科研通微信公众号
2秒前
3秒前
小狼发布了新的文献求助10
3秒前
SciGPT应助河河采纳,获得10
4秒前
4秒前
5秒前
火柴two完成签到,获得积分10
5秒前
xiaotaiyang完成签到,获得积分10
5秒前
5秒前
clean发布了新的文献求助10
5秒前
6秒前
诚心的寻凝完成签到,获得积分10
6秒前
6秒前
Jnest完成签到 ,获得积分10
7秒前
wzwz发布了新的文献求助10
7秒前
七七完成签到,获得积分10
7秒前
Litianxue发布了新的文献求助10
7秒前
8秒前
xiaotaiyang发布了新的文献求助30
8秒前
大个应助千与千寻采纳,获得10
8秒前
mmh完成签到,获得积分10
8秒前
完美世界应助you采纳,获得10
9秒前
如意映易完成签到,获得积分10
9秒前
10秒前
10秒前
Singularity应助meng采纳,获得20
10秒前
完美世界应助黎羽采纳,获得10
10秒前
越遇完成签到 ,获得积分10
10秒前
11秒前
陨_0614发布了新的文献求助10
11秒前
cuzn发布了新的文献求助100
11秒前
YaoZhang完成签到 ,获得积分10
12秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
XAFS for Everyone 500
COSMETIC DERMATOLOGY & SKINCARE PRACTICE 388
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3143246
求助须知:如何正确求助?哪些是违规求助? 2794391
关于积分的说明 7811052
捐赠科研通 2450640
什么是DOI,文献DOI怎么找? 1303909
科研通“疑难数据库(出版商)”最低求助积分说明 627144
版权声明 601386