A Novel Genetic Algorithm Based Dynamic Economic Dispatch With Short-Term Load Forecasting

Aidana Kalakova, H. S. V. S. Kumar Nunna, Prashant Kumar Jamwal, Suryanarayana Doolla

2021

Жабық қол жеткізу Метадеректер (CSL-JSON)

DOI 10.1109/tia.2021.3065895

Деректер сенімділігі 85 жоғары

Бұл баға қалай есептеледі

Ол жазбаның өзінің тексерілетін белгілерінен құралады: мақаланың DOI-і бар ма, оның деректерін қанша тәуелсіз дереккөз растады, міндетті өрістер толтырылған ба және соңғы растау қаншалықты жаңа. Дереккөздер арасындағы алшақтық пен идентификатордың болмауы бағаны төмендетеді. 80-нен бастап мән жазбаның қосымша тексерусіз жарияланғанын, 60-тан 79-ға дейін — оның сенімділігі төмен күйде жарияланғанын және қолмен тексеру ұсынылатынын білдіреді. Редактор қолмен тексерген жазбаны қайта есептеу 90-нан төмен түсірмейді. Бұл — мақаланың өзіне емес, ол туралы деректерімізге берілген баға.

Аңдатпа

This article proposes an optimal energy scheduling method for power transmission networks using novel genetic algorithm (nGA) for solving the dynamic economic dispatch (DED) problem combined with machine learning based short-term load forecasting (STLF). The STLF is implemented based on a multilayer artificial neural network (MANN) to estimate the day-ahead variations in the demand. The efficacy of the proposed energy scheduling model together with the STLF is verified using a modified IEEE 30-bus system using real data of the power plants located in the Ereymentau region of Kazakhstan. The simulation results suggest that the proposed model offers a cost effective, reliable, and efficient dynamic energy scheduling in power transmission systems.