VI. CONCLUSIONThe balancing of energy utilization is one of the most i การแปล - VI. CONCLUSIONThe balancing of energy utilization is one of the most i ไทย วิธีการพูด

VI. CONCLUSIONThe balancing of ener

VI. CONCLUSION
The balancing of energy utilization is one of the most important
factors for efficient operation of a smart grid. Demand response
uses real time scheduling to enable customers to modify their
demand according to energy consumption costs. This paper
proposed a multi-objective optimization approach for efficient
energy scheduling in smart grids. We formulated the energy
scheduling problem as a constrained multi-objective
optimization problem. The first objective is minimization of
energy consumption and the second objective is maximization
of utility. We adapted an evolutionary multi-objective
algorithm called EMOCA for computing Pareto-optimal energy
schedules subject to a constraint on generation capacity. We
performed extensive simulations in Matlab to evaluate the
performance of EMOCA. Our simulations clearly demonstrate
the efficiency of multi-objective evolutionary algorithms in
discovering multiple non-dominated solutions characterizing
the tradeoffs between energy consumption and utility. The
results also show that EMOCA outperforms a well known multi
objective evolutionary algorithm NSPEA-II
0/5000
จาก: -
เป็น: -
ผลลัพธ์ (ไทย) 1: [สำเนา]
คัดลอก!
VI. ข้อสรุปความสมดุลของการใช้พลังงานเป็นหนึ่งสิ่งสำคัญสุดปัจจัยสำหรับประสิทธิภาพการทำงานของสมาร์ทกริด ตอบสนองความต้องการใช้การจัดกำหนดการเวลาจริงเพื่อให้ปรับเปลี่ยนลูกค้าของพวกเขาความต้องการตามค่าใช้จ่ายการใช้พลังงาน กระดาษนี้วิธีการปรับแบบให้เหมาะสมสำหรับการนำเสนออย่างมีประสิทธิภาพพลังงานการจัดกำหนดการในสมาร์ทกริด เราผสมพลังงานปัญหาการจัดตารางเวลาเป็นวัตถุประสงค์ที่หลายที่มีข้อจำกัดปัญหาการเพิ่มประสิทธิภาพ วัตถุประสงค์แรกคือ การลดของการใช้พลังงานและวัตถุประสงค์สองคือ maximizationโปรแกรมอรรถประโยชน์นี้ เราปรับวัตถุประสงค์หลายวิวัฒนาการอัลกอริทึมที่เรียกว่า EMOCA สำหรับคอมพิวเตอร์พลังงาน Pareto ที่เหมาะสมกำหนดการอาจ มีการจำกัดกำลังการผลิตรุ่น เราดำเนินการครอบคลุมแบบจำลองใน Matlab ในการประเมินการประสิทธิภาพของ EMOCA จำลองของเราแสดงให้เห็นอย่างชัดเจนประสิทธิภาพของขั้นตอนวิธีเชิงวิวัฒนาการแบบในค้นพบโซลูชันไม่ครอบงำหลายลักษณะการยืนยันระหว่างการใช้พลังงานและสาธารณูปโภค การผลลัพธ์แสดงว่า EMOCA มีประสิทธิภาพสูงกว่าหลายที่รู้จักกันดีอัลกอริทึมวิวัฒนาการวัตถุประสงค์ NSPEA-II
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 2:[สำเนา]
คัดลอก!
พระมงกุฎเกล้าเจ้าอยู่หัว สรุป
สมดุลของการใช้พลังงานเป็นหนึ่งในสิ่งที่สำคัญที่สุด
ปัจจัยสำหรับการดำเนินงานที่มีประสิทธิภาพของสมาร์ทกริด การตอบสนองความต้องการ
ใช้การตั้งเวลาเวลาจริงเพื่อช่วยให้ลูกค้าของพวกเขาในการปรับเปลี่ยน
ความต้องการตามค่าใช้จ่ายในการใช้พลังงาน บทความนี้
นำเสนอวิธีการเพิ่มประสิทธิภาพหลายวัตถุประสงค์อย่างมีประสิทธิภาพสำหรับ
การจัดตารางเวลาการใช้พลังงานในสมาร์ทกริด เราสูตรพลังงาน
ปัญหาการตั้งเวลาเป็นหลายวัตถุประสงค์ จำกัด
ปัญหาการเพิ่มประสิทธิภาพ วัตถุประสงค์แรกคือการลด
การใช้พลังงานและวัตถุประสงค์ที่สองคือสูงสุด
ของยูทิลิตี้ เราดัดแปลงวิวัฒนาการหลายวัตถุประสงค์
ขั้นตอนวิธีการที่เรียกว่า EMOCA สำหรับการคำนวณพลังงาน Pareto เหมาะสม
ตารางเวลาอาจมีการ จำกัด กำลังการผลิตรุ่น เรา
ดำเนินการอย่างกว้างขวางในการจำลอง Matlab ในการประเมิน
ประสิทธิภาพการทำงานของ EMOCA จำลองของเราแสดงให้เห็นถึง
ประสิทธิภาพของขั้นตอนวิธีวิวัฒนาการหลายวัตถุประสงค์ใน
การค้นพบการแก้ปัญหาที่ไม่โดดเด่นหลายลักษณะ
ความสมดุลระหว่างการใช้พลังงานและสาธารณูปโภค
ผลการทดลองยังแสดงให้เห็นว่ามีประสิทธิภาพดีกว่า EMOCA ที่รู้จักกันดีหลาย
วัตถุประสงค์วิวัฒนาการขั้นตอนวิธีการ NSPEA-II
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 3:[สำเนา]
คัดลอก!
6 สรุปความสมดุลของการใช้พลังงานเป็นหนึ่งในที่สำคัญที่สุดปัจจัยสำหรับการดำเนินงานที่มีประสิทธิภาพของตารางสมาร์ท การตอบสนองความต้องการเวลาการใช้จริงให้ลูกค้าปรับเปลี่ยนของพวกเขาความต้องการตามต้นทุนพลังงาน กระดาษนี้เสนอแนวทางการเพิ่มประสิทธิภาพที่มีประสิทธิภาพหลายสำหรับพลังงานตารางในกริดสมาร์ท เราควบคุมพลังงานปัญหาการจัดตารางเป็นหลายข้อ จำกัดปัญหาการเพิ่มประสิทธิภาพ วัตถุประสงค์แรก คือ น้อยที่สุดการใช้พลังงานและมีวัตถุประสงค์ที่สองคือของสาธารณูปโภค เราดัดแปลงเป็นหลายวิวัฒนาการขั้นตอนวิธีสำหรับการคำนวณพลังงานที่เรียกว่า emoca โตที่สุดตารางภายใต้ข้อจำกัดที่ความจุรุ่น เราทำอย่างละเอียดใน MATLAB จำลองเพื่อประเมินประสิทธิภาพของ emoca . ผลของเราแสดงให้เห็นอย่างชัดเจนประสิทธิภาพของขั้นตอนวิธีเชิงวิวัฒนาการหลายในการค้นพบหลายลักษณะไม่ครอบงำ โซลูชั่นและ tradeoffs ระหว่างการใช้พลังงานและสาธารณูปโภค ที่ผลยังแสดงให้เห็นว่า emoca โปรยที่รู้จักกันดีหลายวัตถุประสงค์การ nspea-ii ขั้นตอนวิธี
การแปล กรุณารอสักครู่..
 
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.

Copyright ©2026 I Love Translation. All reserved.

E-mail: