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

DOI 10.1109/tia.2021.3065895

Достоверность данных 85 высокая

Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

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.