Zoeken
Zoeken kan via de modus 'eenvoudig zoeken' (één veld) of uitgebreid via 'geavanceerd zoeken' (meerdere velden). Zo kan je bv. zoeken op een combinatie van een auteursnaam (auteur), een jaartal (jaar) en een documenttype.
Boekenmand
Nuttige resultaten kan je aanvinken en toevoegen aan een mandje. De inhoud hiervan kan je exporteren of afdrukken (naar bv. PDF).
RSS
Op de hoogte blijven van nieuw toegevoegde publicaties binnen uw interessegebied? Dit kan door een RSS-feed (?) te maken van jouw zoekopdracht.
nieuwe zoekopdracht
Application of Association Rule Mining in offshore HVAC transmission topology optimization
Hardy, S.; Van Hertem, D.; Ergun, H. (2022). Application of Association Rule Mining in offshore HVAC transmission topology optimization. Electric Power Systems Research 211: 108358. https://dx.doi.org/10.1016/j.epsr.2022.108358
In: Electric Power Systems Research. ELSEVIER SCIENCE SA: Lausanne. ISSN 0378-7796; e-ISSN 1873-2046
|  |
| Trefwoord |
|
| Author keywords |
Circuit topology; Machine learning; Optimization; Power transmission; Wind energy |
| Auteurs | | Top |
- Hardy, S.
- Van Hertem, D.
- Ergun, H.
|
|
|
| Abstract |
This work develops a hybrid optimization method for determining optimal radial transmission topologies for the connection of offshore wind farms combining Association Rule Mining (ARM) and a greedy algorithm. The method is capable of optimally placing offshore substations and accounts for Capital Expenditures (CAPEX), Corrective Maintenance (CM), losses and Expected Energy Not Transmitted (EENT). The stochastic nature of wind is also considered. First, an inequality based apriori algorithm is applied to a randomly generated population of Offshore Wind Power Plant (OWPP) pairs within a specified search domain. This way, a set of simple constraints is obtained reducing the effective combinatorial search space. A verified optimal greedy algorithm is then applied to efficiently search the reduced search space for the lowest cost radial topology to connect offshore wind. The hybrid approach is shown to introduce minimal error given a sufficient sample population while greatly extending the feasible problem size of the greedy search algorithm. |
IMIS is ontwikkeld en wordt gehost door het VLIZ.
