Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "struktury sieci" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Optymalizacja struktur elektroenergetycznych sieci promieniowych
    Optimization of the structures of electric power radial
    Autorzy:
    Brożek, J.
    Bąchorek, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/376779.pdf
    Data publikacji:
    2014
    Wydawca:
    Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
    Tematy:
    optymalizacja
    struktury sieci
    algorytmy genetyczne
    wyżarzanie symulowane
    Opis:
    Optymalizacja promieniowych struktur sieci elektroenergetycznych należy do problemów NP - trudnych. Funkcją celu analizowanego problemu stanowią koszty roczne struktury sieci elektroenergetycznej (roczny koszt inwestycyjny i zmienny). Do poszukiwania rozwiązań suboptymalnych zaproponowano metodę wykorzystującą algorytm genetyczny i algorytm symulowanego wyżarzania. Oba algorytmy optymalizują (minimalizują) tą samą funkcję celu. Uzyskanie takich samych rozwiązań dwoma algorytmami zwiększa prawdopodobieństwo, że otrzymana struktura sieci promieniowej jest strukturą optymalną w sensie przyjętej funkcji celu. W artykule przedstawiono przykład obliczeniowy ilustrujący zastosowanie programu komputerowego do optymalizacji struktury sieci promieniowej. Uzyskane wyniki porównano z rozwiązaniem otrzymanym w wyniku przeglądu zupełnego.
    In the paper, the problem of the optimal design of the structures of two-voltage electric power radial networks is analyzed. The optimization of the structure of electric power networks is an NP-hard problem. The aim function of the analyzed problem is the annual cost of the electric power network structure (the annual investment cost + the annual variable cost). In order to find (suboptimal) solutions to the problem a method using genetic algorithms and simulated annealing is proposed. Both algorithms optimize (minimize) the same function. Obtaining the same solution with the use of two different algorithms increases the probability that the resulting network structure is optimal given the aim function. The paper includes also an example, which illustrates the application of the proposed method (implemented in a computer program) to the optimization of the structure of a radial network. A comparison of the obtained results with the solution resulting from the use of a complete (i.e., non-heuristic) method, is also provided.
    Źródło:
    Poznan University of Technology Academic Journals. Electrical Engineering; 2014, 78; 35-42
    1897-0737
    Pojawia się w:
    Poznan University of Technology Academic Journals. Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Poszukiwanie optymalnej struktury sieci transportowej przy wykorzystaniu równoległego algorytmu genetycznego
    Search for the optimal structure of transportation network using parallel genetic algorithm
    Autorzy:
    Król, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/270524.pdf
    Data publikacji:
    2011
    Wydawca:
    Centralny Ośrodek Badawczo-Rozwojowy Aparatury Badawczej i Dydaktycznej, COBRABiD
    Tematy:
    sieci transportowe
    transport
    optymalizacja
    algorytm genetyczny
    transportation system
    genetic algorithms
    Opis:
    Aktualna struktura sieci transportowej jest skutkiem długotrwałych procesów w przeszłości i jest bardzo prawdopodobne, że nie jest ona optymalna dla obecnych i przewidywanych potrzeb. Gdy wymagana jest modernizacja lub rozbudowa sieci transportowej z reguły rozpatruje się kilka konkurencyjnych projektów, natomiast struktura rozwiązania optymalnego nie jest znana. Wynika stąd potrzeba opracowania metody znajdującej optymalną sieć transportową przy danych założeniach. Dane wejściowe dla tego problemu nie mogą być zadane w postaci analitycznej, naturalne jest zatem zaproponowanie algorytmu genetycznego jako narzędzia optymalizacyjnego. Charakterystyczną właściwością algorytmu genetycznego jest niezależne wykonywanie obliczeń dla wielu podobnych do siebie obiektów, więc wprowadzenie przetwarzania równoległego istotnie zmniejsza czas potrzebny do otrzymania rozwiązania.
    The current transportation network structure is usually a result of historically long adaptation process and probably it is not optimal for present and future transportation needs. When a modernisation or expansion is required only a few competing designs are evaluated, but the structure of the optimal solution remains unknown. So, there is a need of introduction of a method searching for optimal transportation network structure. The input data for the optimisation problem cannot be entered in analytical form, so it is natural to propose a genetic algorithm for performing the task. A specific feature of genetic algorithm is independent executing of calculations for many similar objects, so introducing of parallel processing significantly reduces the time needed.
    Źródło:
    Aparatura Badawcza i Dydaktyczna; 2011, 16, 1; 49-56
    2392-1765
    Pojawia się w:
    Aparatura Badawcza i Dydaktyczna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Przykład optymalizacji struktury sztucznej sieci neuronowej metodą algorytmów genetycznych
    An example of feed forward neural network structure optimisation with genetic algorithm
    Autorzy:
    Grad, L.
    Powiązania:
    https://bibliotekanauki.pl/articles/273401.pdf
    Data publikacji:
    2006
    Wydawca:
    Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
    Tematy:
    sieć neuronowa
    algorytmy genetyczne
    optymalizacja
    neural network
    genetic algorithm
    optimisation
    Opis:
    W artykule przedstawiono przykład optymalizacji struktury jednokierunkowej wielowarstwowej sztucznej sieci neuronowej metodą algorytmów genetycznych. Zaproponowano funkcję przystosowania pozwalającą ocenić jakość proponowanej struktury. Obliczenia wykonano dla sieci neuronowej rozpoznającej cyfry pisane odręcznie.
    An example of feed forward neural network structure optimisation with genetic algorithm is presented. In genetic algorithm an original fitness function is applied. All calculations have been realized for a feed forward neural network, which recognizes hand-written signs.
    Źródło:
    Biuletyn Instytutu Automatyki i Robotyki; 2006, R. 12, nr 23, 23; 27-36
    1427-3578
    Pojawia się w:
    Biuletyn Instytutu Automatyki i Robotyki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Reducing the Impact of Failures in Power Grids on the End Recipients by Means of Grid Structure Sectioning
    Ograniczenie oddziaływania skutków awarii w sieciach energetycznych na odbiorcę końcowego za pomocą sekcjonowania struktury sieciowej
    Autorzy:
    Moskwa, S.
    Kozieł, S.
    Siłuszyk, M.
    Galias, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/952957.pdf
    Data publikacji:
    2018
    Wydawca:
    ENERGA
    Tematy:
    niezawodność
    sieci dystrybucyjne
    optymalizacja
    sekcjonowanie
    algorytmy ewolucyjne
    reliability
    distribution power grids
    optimization
    sectioning
    evolutionary algorithms
    Opis:
    The paper reviews the options to reduce the impact of failure effects in medium voltage distribution grids in terms of the frequency and duration (short, long, very long and catastrophic) of outages of end-consumers’ supply. As the method to reduce the failure effects, the placement in the grid structure of remotely controlled circuit breakers and/or reclosers was adopted, which in the event of a failure allows disconnecting only part of the grid in the failure area. An important element of this method is the selection of the optimal number of these circuit breakers and their optimal location in the grid structure. The paper proposes a method of solving these issues by applying distribution grid reliability models and evolutionary algorithms that allow for optimizing the location of circuit breakers. As the optimization criteria, the ENS, SAIDI and SAIFI indicators were adopted. The analysis was based on an example model of a real distribution grid structure. The model includes the reliability parameters of individual grid sections, distribution nodes, MV/LV switching substations, and the number of recipients connected to a specific substation.
    Artykuł obejmuje analizę możliwości ograniczenia oddziaływania skutków awarii w sieciach dystrybucyjnych średnich napięć, w zakresie częstości występowania i czasu trwania przerw (krótkich, długich, bardzo długich i katastrofalnych) w zasilaniu odbiorców końcowych. Jako metodę ograniczenia skutków awarii przyjęto lokalizację w strukturze sieciowej wyłączników zdalnie sterowanych lub reklozerów, które w przypadku awarii pozwolą na odłączenie tylko części sieci lub ciągu zasilania w obszarze występowania awarii. Istotnym elementem tej metody jest optymalny dobór liczby tych wyłączników oraz ich lokalizacja w strukturze sieciowej. Artykuł proponuje metodę rozwiązania tych zagadnień poprzez zastosowanie modeli niezawodnościowych sieci dystrybucyjnych oraz algorytmów ewolucyjnych pozwalających na optymalizację lokalizacji wyłączników. Jako kryteria optymalizacyjne przyjęto wartości wskaźników ENS, SAIDI oraz SAIFI. Analizę przeprowadzono na przykładzie modelu opracowanego na podstawie struktury rzeczywistej sieci dystrybucyjnej. W modelu uwzględniono parametry niezawodnościowe poszczególnych odcinków sieci, węzłów rozdzielczych, stacji rozdzielczych SN/nN oraz liczbę odbiorców przyłączonych do danej stacji.
    Źródło:
    Acta Energetica; 2018, 4; 23-26
    2300-3022
    Pojawia się w:
    Acta Energetica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies