.png){kind=icon}
返回
Three-phase feeder parameter estimation using multi-run optimization and search space refinement strategy
.png){kind=icon}
OA
AI
DOI：10.1016/j.rineng.2025.108816.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 消除对称参数假设。
• 在±0.5%噪声下实现MAPE<0.05%，在±5%噪声下实现MAPE<0.26%。
• 整合Pareto front、MRO和基于二分法的方法。
• 识别异常值并提出缓解策略。
Keyword:
Distribution line parameter estimation
Multi-objective optimization
Pareto front solution set
Multi-run optimization (MRO)
Bisection method
Minimum Manhattan distance (MMD)
Adaptive search space refinement
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.9
论文数:
1.1W
被引数:
1.7W
机构
暂无机构信息
引用论文
Multi-Objective Bee Swarm Optimization Algorithm with Minimum Manhattan Distance for Passive Power Filter Optimization Problems.png)
Mathematics
OAAI
MathematicsIF0
OAAI分享收藏Multi-Objective Teaching–Learning-Based Optimization with Pareto Front for Optimal Design of Passive Power Filters基于帕累托前沿的多目标教学-学习优化算法在无源电力滤波器最优设计中的应用EnergiesOAAI
EnergiesIF0
OAAI分享收藏A new multi objective crested porcupines optimization algorithm for solving optimization problems一种新的多目标豪猪优化算法，用于解决优化问题SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏The coefficient of determination R-squared is more informative than SMAPE, MAE, MAPE, MSE and RMSE in regression analysis evaluation在回归分析评估中，决定系数R平方比SMAPE，MAE，MAPE，MSE和RMSE更具信息性OAAI
OAAI分享收藏
查看更多内容