عناصر مشابهة
A Hybrid Grasshopper Optimization Algorithm for Efficient Power Scheduling in Smart Homes
| العنوان بلغة أخرى: | خوارزمية تحسين الجندب المختلطة من أجل جدولة فعالة للطاقة في المنازل الذكية |
|---|---|
| الناشر: |
عمان
|
| المؤلف الرئيسي: | |
| مؤلفين آخرين: | |
| التاريخ الميلادي: | 2020 |
| الصفحات: | 1 - 51 |
| رقم MD: | 1180731 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | English |
| قواعد المعلومات: | Dissertations |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة عمان العربية |
| الكلية: | كلية العلوم الحاسوبية والمعلوماتية |
| مواضيع: | |
| رابط المحتوى: |
| المستخلص: | مع تزايد عدد المنازل، وعدد مستهلكي الكهرباء، ظهر قلق يتعلق بكفاءة إنتاج وتوزيع واستهلاك الطاقة المنتجة داخل منتجي الكهرباء والحكومات الأخرى. تنشأ هذه المخاوف من رغبة المنتجين في تعظيم الربح والوعي البيئي، والذي يتزايد كل يوم في مجتمعنا. طورت هذه الأطروحة خوارزمية الشبكة الذكية التي تعمل على تحقيق فرضية تقليل ذروة الطلب باستخدام قدرات الشبكة الذكية. نقترح خوارزمية تحسين Grass Hopper (GOA) باستخدام التطور التفاضلي الذاتي التكيف (jDE) للاستفادة من مزايا البحث المحلي من التطور التفاضلي والبحث العالمي من الجندب. تم تطبيق النتائج التجريبية على سيناريوهين الأول هو مدخلات الصورة العامة والآخر مع زيادة عدد الأجهزة وأظهرت النتائج أن الطريقة المقترحة (HGOA) حصلت على جدولة طاقة أفضل وأداء خوارزمية أكثر كفاءة من الخوارزميات المقارنة الأخرى. حصلت الخوارزمية على نتائج أفضل وأداء جيد فيما يتعلق بالجوانب المختلفة، حيث استغرق الأمر عددا أقل من التكرارات لإيجاد الحل الأمثل. علاوة على ذلك، وفقا للوقت الحسابي، يتم تشغيله في وقت تنفيذ ثابت مع زيادة عدد السكان. أخيرا، وجدنا أنه دائما ما حصل على نتائج أفضل من GOA الأصلي في كل من أسوأ الحالات وأفضلها. |
|---|
