DC Field | Value | Language |
dc.contributor.author | Кудряшов, И. С. | ru |
dc.contributor.author | Гаркуша, Н. А. | ru |
dc.contributor.author | Kudryashov, I. S. | en |
dc.contributor.author | Garkusha, N. A. | en |
dc.date.accessioned | 2023-04-25T10:58:57Z | - |
dc.date.available | 2023-04-25T10:58:57Z | - |
dc.date.issued | 2018 | - |
dc.identifier.citation | Кудряшов, И. С. Modern optimization algorithms for fault location estimation in power systems = Современные алгоритмы оптимизации оценки местоположения сбоев в энергосистемах / И. С. Кудряшов, Н. А. Гаркуша. — Текст : электронный // Language & Science / главный редактор О. Э. Сухарева ; научный редактор Е. А. Меньш ; Тюменский государственный университет. — 2018. — № 7. | ru |
dc.identifier.uri | https://elib.utmn.ru/jspui/handle/ru-tsu/21377 | - |
dc.description.abstract | В этом тексте представлен подход оценки местоположения сбоя в двух терминальных линиях передачи с использованием метода оптимизации на основе обучения (TLBO) и метода гармонического поиска (HS). Были обсуждены предыдущие методы, такие как генетический алгоритм (GA), искусственная «пчелиная колония» (ABC), искусственные нейронные сети (ANN) и Cause & Effect (C&E) с обсуждением преимуществ и недостатков всех методов. Моделирование было выполнено на SIMULINK путем извлечения исходных входов от SIMULINK до MATLAB, где целевая функция задает местоположение ошибки с очень высокой точностью и за очень короткое время. Обсуждаются будущие работы, показывающие преимущества использования Дифференциального обучения TLBO (DLTLBO). | ru |
dc.description.abstract | This text presents a fault location estimation approach in two terminal transmission lines using Teaching Learning Based Optimization (TLBO) technique, and Harmony Search (HS) technique. Previous methods were discussed such as Genetic Algorithm (GA), Artificial Bee Colony (ABC), Artificial neural networks (ANN) and Cause & Effect (C&E) with discussing advantages and disadvantages of all methods. Simulation of the model was performed on SIMULINK by extracting initial inputs from SIMULINK to MATLAB, where the objective function specifies the fault location with a very high accuracy, precision and within a very short time. Future works are discussed showing the benefit when using the Differential Learning TLBO (DLTLBO). | en |
dc.format.mimetype | application/pdf | en |
dc.language.iso | en | en |
dc.publisher | Кафедра иностранных языков и межкультурной профессиональной коммуникации естественнонаучных направлений Тюменского государственного университета | ru |
dc.relation.ispartof | Language & Science. – 2018. – № 7 | en |
dc.subject | робототехника | ru |
dc.subject | алгоритм оптимизации | ru |
dc.subject | автоматизация | ru |
dc.subject | robotics | en |
dc.subject | optimization algorithm | en |
dc.subject | automation | en |
dc.title | Modern optimization algorithms for fault location estimation in power systems | en |
dc.title.alternative | Современные алгоритмы оптимизации оценки местоположения сбоев в энергосистемах | ru |
dc.type | Article | en |
dc.type | info:eu-repo/semantics/publishedVersion | en |
dc.type | info:eu-repo/semantics/article | en |
local.issue | 7 | - |
local.identifier.uuid | 3f67f28e-7107-4c3e-91a6-66911c49a6b3 | - |
local.identifier.handle | ru-tsu/21377 | - |
Appears in Collections: | Language & Science
|