Application of a simulation tool based on a bio-inspired algorithm for optimisation of distributed power generation systems

La degradación de la calidad del aire, el sobrecalentamiento y la creciente demanda de energía son cuestiones estrechamente relacionadas que indican el impacto de la humanidad en el cambio climático. Por ello, los gobiernos y otros organismos multilaterales han mostrado su interés por reducir las em...

Full description

Autores:: Colmenares Quintero, Ramón Fernando
Góez-Sánchez, German David
Colmenares Quintero, Juan Carlos
Latorre Noguera, Luis Fernando
Kasperczyk, Damian

Tipo de recurso:: Article of investigation

Fecha de publicación:: 2021

Institución:: Universidad Cooperativa de Colombia

Repositorio:: Repositorio UCC

Idioma:

id	COOPER2_088334faab8d1df11f7981fe28952751
oai_identifier_str	oai:repository.ucc.edu.co:20.500.12494/33748
network_acronym_str	COOPER2
network_name_str	Repositorio UCC
repository_id_str
dc.title.spa.fl_str_mv	Application of a simulation tool based on a bio-inspired algorithm for optimisation of distributed power generation systems
title	Application of a simulation tool based on a bio-inspired algorithm for optimisation of distributed power generation systems
spellingShingle	Application of a simulation tool based on a bio-inspired algorithm for optimisation of distributed power generation systems Micro-cogeneración Emisiones de CO2 Grupo de partículas Eficiencia eléctrica Eficiencia del combustible Objetivos de Desarrollo Sostenible micro-cogeneration CO2 emissions Particle cluster Electrical efficiency Fuel efficiency Sustainable Development Goals
title_short	Application of a simulation tool based on a bio-inspired algorithm for optimisation of distributed power generation systems
title_full	Application of a simulation tool based on a bio-inspired algorithm for optimisation of distributed power generation systems
title_fullStr	Application of a simulation tool based on a bio-inspired algorithm for optimisation of distributed power generation systems
title_full_unstemmed	Application of a simulation tool based on a bio-inspired algorithm for optimisation of distributed power generation systems
title_sort	Application of a simulation tool based on a bio-inspired algorithm for optimisation of distributed power generation systems
dc.creator.fl_str_mv	Colmenares Quintero, Ramón Fernando Góez-Sánchez, German David Colmenares Quintero, Juan Carlos Latorre Noguera, Luis Fernando Kasperczyk, Damian
dc.contributor.author.none.fl_str_mv	Colmenares Quintero, Ramón Fernando Góez-Sánchez, German David Colmenares Quintero, Juan Carlos Latorre Noguera, Luis Fernando Kasperczyk, Damian
dc.subject.spa.fl_str_mv	Micro-cogeneración Emisiones de CO2 Grupo de partículas Eficiencia eléctrica Eficiencia del combustible Objetivos de Desarrollo Sostenible
topic	Micro-cogeneración Emisiones de CO2 Grupo de partículas Eficiencia eléctrica Eficiencia del combustible Objetivos de Desarrollo Sostenible micro-cogeneration CO2 emissions Particle cluster Electrical efficiency Fuel efficiency Sustainable Development Goals
dc.subject.other.spa.fl_str_mv	micro-cogeneration CO2 emissions Particle cluster Electrical efficiency Fuel efficiency Sustainable Development Goals
description	La degradación de la calidad del aire, el sobrecalentamiento y la creciente demanda de energía son cuestiones estrechamente relacionadas que indican el impacto de la humanidad en el cambio climático. Por ello, los gobiernos y otros organismos multilaterales han mostrado su interés por reducir las emisiones contaminantes del aire procedentes de las fuentes de generación de energía con combustibles fósiles. Las opciones más aceptadas están relacionadas con las fuentes de energía limpias, pero, como todos sabemos, estamos lejos de satisfacer la demanda energética mundial con fuentes de generación limpias. Otras opciones se basan en la utilización de combustibles con menor carga de emisiones y en el desarrollo de técnicas para optimizar la generación de energía, reducir los costes mediante la eficiencia energética y reducir al mínimo posible las emisiones de gases de efecto invernadero. Este estudio propone un método para optimizar los factores de sensibilidad como punto de funcionamiento para un generador de energía de turbina de gas, basado en la demanda de energía, la eficiencia eléctrica, la eficiencia del combustible y la minimización de las emisiones de gases de efecto invernadero. Para ello, se ha desarrollado un marco de diseño/evaluación multidisciplinar. Los resultados obtenidos de la simulación de un modelo de consumo energético de un año para una familia media en Colombia produjeron el punto de operación para una turbina de gas basado en la demanda energética, la eficiencia energética y la reducción de las emisiones de CO2 a la atmósfera (es decir, el mejor compromiso). En este sentido, la principal aportación de este trabajo se dirige a la optimización bioinspirada de sistemas de generación de energía que reduzcan las emisiones de CO2 a la atmósfera, especialmente en zonas no interconectadas (fuera de la red), pero que dependen de la generación distribuida basada en plantas de combustibles fósiles
publishDate	2021
dc.date.accessioned.none.fl_str_mv	2021-04-05T21:44:04Z
dc.date.available.none.fl_str_mv	2021-04-05T21:44:04Z
dc.date.issued.none.fl_str_mv	2021-03
dc.type.none.fl_str_mv	Artículos Científicos
dc.type.coar.none.fl_str_mv	http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.coarversion.none.fl_str_mv	http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.none.fl_str_mv	info:eu-repo/semantics/article
dc.type.version.none.fl_str_mv	info:eu-repo/semantics/publishedVersion
format	http://purl.org/coar/resource_type/c_2df8fbb1
status_str	publishedVersion
dc.identifier.issn.spa.fl_str_mv	23311916
dc.identifier.uri.spa.fl_str_mv	https://doi.org/10.1080/23311916.2021.1909791
dc.identifier.uri.none.fl_str_mv	https://hdl.handle.net/20.500.12494/33748
dc.identifier.bibliographicCitation.spa.fl_str_mv	Colmenares-Quintero R., Góez-Sáchez D., Colmenares-Quintero J., Latorre-Noguera L., & Kasperczyk D. \| (2021) Application of a simulation tool based on a bio-inspired algorithm for optimisation of distributed power generation systems, Cogent Engineering, 8:1, DOI: 10.1080/2331916.2021.1909791
identifier_str_mv	23311916 Colmenares-Quintero R., Góez-Sáchez D., Colmenares-Quintero J., Latorre-Noguera L., & Kasperczyk D. \| (2021) Application of a simulation tool based on a bio-inspired algorithm for optimisation of distributed power generation systems, Cogent Engineering, 8:1, DOI: 10.1080/2331916.2021.1909791
url	https://doi.org/10.1080/23311916.2021.1909791 https://hdl.handle.net/20.500.12494/33748
dc.relation.isversionof.spa.fl_str_mv	https://doi.org/10.1080/23311916.2021.1909791
dc.relation.ispartofjournal.spa.fl_str_mv	Cogent Engineering
dc.relation.references.spa.fl_str_mv	Kanchev H, Lu D, Colas F, Lazarov V, Francois B. Energy management and operational planning of a microgrid with a PV based active generator for smart grid applications. IEEE Trans Ind Electron. 2011;58(10):4583-4592. doi:10.1109/TIE.2011.2119451 Kong XQ, Wang RZ, Huang XH. Energy optimization model for a CCHP system with available gas turbines. Appl Therm Eng. 2005;25(2-3):377-391. doi:10.1016/j.applthermaleng.2004.06.014 Gu W, Wu Z, Bo R, et al. Modeling, planning and optimal energy management of combined cooling, heating and power microgrid: A review. Int J Electr Power Energy Syst. 2014;54:26-37. doi:10.1016/j.ijepes.2013.06.028 Wang JJ, Jing YY, Zhang CF. Optimization of capacity and operation for CCHP system by genetic algorithm. Appl Energy. 2010;87(4):1325-1335. doi:10.1016/j.apenergy.2009.08.005 Mago PJ, Chamra LM. Analysis and optimization of CCHP systems based on energy, economical, and environmental considerations. Energy Build. 2009;41(10):1099-1106. doi:10.1016/j.enbuild.2009.05.014 Tolba M, Rezk H, Tulsky V, Diab A, Abdelaziz A, Vanin A. Impact of optimum allocation of renewable distributed generations on distribution networks based on different optimization algorithms. Energies. 2018;11(2):245. doi:10.3390/en11010245 Yang G, Zhai X. Optimization and performance analysis of solar hybrid CCHP systems under different operation strategies. Appl Therm Eng. 2018;133(September 2017):327-340. doi:10.1016/j.applthermaleng.2018.01.046 Román S, Libra J, Berge N, et al. Hydrothermal carbonization: Modeling, final properties design and applications: A review. Energies. 2018;11(1):216. doi:10.3390/en11010216 Zeng L, Zhao L, Wang Q, et al. Modeling interprovincial cooperative energy saving in China: An electricity utilization perspective. Energies. 2018;11(1):1-25. doi:10.3390/en11010241 Kamdem BG, Shittu E. Optimal commitment strategies for distributed generation systems under regulation and multiple uncertainties. Renew Sustain Energy Rev. 2015;80(2014):1597-1612. doi:10.1016/j.rser.2016.12.062 Rafiei S, Bakhshai A. A review on energy efficiency optimization in Smart Grid. IECON 2012 - 38th Annu Conf IEEE Ind Electron Soc. 2012:5916-5919. doi:10.1109/IECON.2012.6389115 Colmenares-Quintero RF, Góez-Sánchez GD, Colmenares-Quintero JC. Route planning in real time for short-range aircraft with a constant-volume-combustor-geared turbofan to minimize operating costs by particle swarm optimization. Cogent Eng. 2018;5(1). doi:10.1080/23311916.2018.1429984 Colmenares-Quintero RF, Góez-Sánchez GD, Colmenares-Quintero JC. Trajectory optimization of an innovative-turbofan-powered aircraft based on particle swarm approach for low environmental impact. Cogent Eng. 2019;6(1). doi:10.1080/23311916.2019.1575637 Leonard BJ, Engelbrecht AP. On the optimality of particle swarm parameters in dynamic environments. IEEE congress on evolutionary computation 2013:1564-1569 Clerc M. Particle Swarm Optimization. Hermes Science/Lavoisier 2005; 2005. Colmenares-Quintero RF, Latorre-Noguera LF, Dibdiakova J, Colmenares-Quintero JC. Techno-environmental assessment of a micro-cogeneration system based on natural gas for residential application. CT y F - Ciencia, Tecnologia y Futuro 2018;8(1). doi: 10.29047/01225383.97 Clerc M. Standard Particle Swarm Optimisation. 2012:1-15. https://pdfs.semanticscholar.org/c26f/d373a085b72b9a83724ef44b0d3780f0b93e.pdf
dc.rights.license.none.fl_str_mv	Atribución
dc.rights.accessrights.none.fl_str_mv	info:eu-repo/semantics/openAccess
dc.rights.coar.none.fl_str_mv	http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv	Atribución http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv	openAccess
dc.format.extent.spa.fl_str_mv	1 - 9 p.
dc.coverage.temporal.spa.fl_str_mv	8
dc.publisher.spa.fl_str_mv	Universidad Cooperativa de Colombia, Facultad de Ingenierías, Ingeniería Mecánica, Medellín y Envigado
dc.publisher.program.spa.fl_str_mv	Ingeniería mecanica
dc.publisher.place.spa.fl_str_mv	Medellín
institution	Universidad Cooperativa de Colombia
bitstream.url.fl_str_mv	https://repository.ucc.edu.co/bitstreams/d3775673-2366-4c91-bbbd-baa38ca9559a/download https://repository.ucc.edu.co/bitstreams/99b14c59-8bc6-4ce0-9552-b1c26fccc2cb/download https://repository.ucc.edu.co/bitstreams/96926c0e-78ac-44c2-8931-98151e6774ff/download https://repository.ucc.edu.co/bitstreams/9b9a4435-80a1-411a-90b9-5bb8b79b2fec/download https://repository.ucc.edu.co/bitstreams/ba92a2ce-3a86-463e-bb85-cc95079a1425/download https://repository.ucc.edu.co/bitstreams/43efa8bd-eeaf-4152-9485-bf006749bc3a/download https://repository.ucc.edu.co/bitstreams/29671752-296b-4ded-9505-5801da4535b2/download
bitstream.checksum.fl_str_mv	3bce4f7ab09dfc588f126e1e36e98a45 aa5d0d478fa84310a18ed94670d752c8 97b981ae7e1cf5d47cb3cadb316cad27 21ee72225e719baf2889eb74e5d436b0 e4e041dff4ff3e8fbba1d195be24c213 2d1acea3667be1c0c5a93e3f8314cdb4 2a5d2dd43e01a9e9a4cfa5af45a16b7d
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional Universidad Cooperativa de Colombia
repository.mail.fl_str_mv	bdigital@metabiblioteca.com
_version_	1808789290704961536
spelling	Colmenares Quintero, Ramón FernandoGóez-Sánchez, German DavidColmenares Quintero, Juan CarlosLatorre Noguera, Luis FernandoKasperczyk, Damian82021-04-05T21:44:04Z2021-04-05T21:44:04Z2021-0323311916https://doi.org/10.1080/23311916.2021.1909791https://hdl.handle.net/20.500.12494/33748Colmenares-Quintero R., Góez-Sáchez D., Colmenares-Quintero J., Latorre-Noguera L., & Kasperczyk D. \| (2021) Application of a simulation tool based on a bio-inspired algorithm for optimisation of distributed power generation systems, Cogent Engineering, 8:1, DOI: 10.1080/2331916.2021.1909791La degradación de la calidad del aire, el sobrecalentamiento y la creciente demanda de energía son cuestiones estrechamente relacionadas que indican el impacto de la humanidad en el cambio climático. Por ello, los gobiernos y otros organismos multilaterales han mostrado su interés por reducir las emisiones contaminantes del aire procedentes de las fuentes de generación de energía con combustibles fósiles. Las opciones más aceptadas están relacionadas con las fuentes de energía limpias, pero, como todos sabemos, estamos lejos de satisfacer la demanda energética mundial con fuentes de generación limpias. Otras opciones se basan en la utilización de combustibles con menor carga de emisiones y en el desarrollo de técnicas para optimizar la generación de energía, reducir los costes mediante la eficiencia energética y reducir al mínimo posible las emisiones de gases de efecto invernadero. Este estudio propone un método para optimizar los factores de sensibilidad como punto de funcionamiento para un generador de energía de turbina de gas, basado en la demanda de energía, la eficiencia eléctrica, la eficiencia del combustible y la minimización de las emisiones de gases de efecto invernadero. Para ello, se ha desarrollado un marco de diseño/evaluación multidisciplinar. Los resultados obtenidos de la simulación de un modelo de consumo energético de un año para una familia media en Colombia produjeron el punto de operación para una turbina de gas basado en la demanda energética, la eficiencia energética y la reducción de las emisiones de CO2 a la atmósfera (es decir, el mejor compromiso). En este sentido, la principal aportación de este trabajo se dirige a la optimización bioinspirada de sistemas de generación de energía que reduzcan las emisiones de CO2 a la atmósfera, especialmente en zonas no interconectadas (fuera de la red), pero que dependen de la generación distribuida basada en plantas de combustibles fósilesThe degradation of air quality, overheating and growing energy demand are closely related issues that indicate the impact of humankind on climate change. Consequently, governments and other multilateral agencies have shown interest in reducing air pollutant emissions from fossil fuel power generation sources. The most accepted options are related to clean energy sources, but, as we all know, we are far from meeting the world’s energy demand with clean generation sources. Other options are based on using fuels with a lower load of emissions and on the development of techniques to optimise power generation, reduce costs through efficient energy and reduce greenhouse gas emissions to the possible minimum. This study proposes a method to optimise the sensitivity factors as the operating point for a gas turbine power generator based on energy demands, electrical efficiency, fuel efficiency and the minimisation of greenhouse gas emissions. In order to address this, a multidisciplinary design/assessment framework was developed. The results obtained from the simulation of a one-year energy consumption model for an average family in Colombia produced the point of operation for a gas turbine based on energy demands, efficient energy and the reduction of CO2 emissions to the atmosphere (i.e. the best trade-off). In this sense, the main contribution of this work is aimed at energy generation systems bio-inspired optimisation that reduce CO2 emissions into the atmosphere, especially in non-interconnected (off-grid) zones, but they rely on fossil fuel plant-based-power distributed generationhttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000192503https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001358296https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001595655https://orcid.org/0000-0003-1166-1982https://orcid.org/0000-0001-7658-0994https://orcid.org/0000-0003-3701-6340https://scienti.minciencias.gov.co/gruplac/jsp/visualiza/visualizagr.jsp?nro=00000000005961ramon.colmenaresq@campusucc.edu.cogermangoez@itm.edu.cojcarloscolmenares@ichf.edu.plluis.latorren@campusucc.edu.cobiuro@ekoinwentyka.plhttps://scholar.google.com/citations?user=9HLAZYUAAAAJ&hl=eshttps://scholar.google.com/citations?user=EbY_kxoAAAAJ&hl=eshttps://scholar.google.pl/citations?user=9spgFMUAAAAJ&hl=pl1 - 9 p.Universidad Cooperativa de Colombia, Facultad de Ingenierías, Ingeniería Mecánica, Medellín y EnvigadoIngeniería mecanicaMedellínhttps://doi.org/10.1080/23311916.2021.1909791Cogent EngineeringKanchev H, Lu D, Colas F, Lazarov V, Francois B. Energy management and operational planning of a microgrid with a PV based active generator for smart grid applications. IEEE Trans Ind Electron. 2011;58(10):4583-4592. doi:10.1109/TIE.2011.2119451Kong XQ, Wang RZ, Huang XH. Energy optimization model for a CCHP system with available gas turbines. Appl Therm Eng. 2005;25(2-3):377-391. doi:10.1016/j.applthermaleng.2004.06.014Gu W, Wu Z, Bo R, et al. Modeling, planning and optimal energy management of combined cooling, heating and power microgrid: A review. Int J Electr Power Energy Syst. 2014;54:26-37. doi:10.1016/j.ijepes.2013.06.028Wang JJ, Jing YY, Zhang CF. Optimization of capacity and operation for CCHP system by genetic algorithm. Appl Energy. 2010;87(4):1325-1335. doi:10.1016/j.apenergy.2009.08.005Mago PJ, Chamra LM. Analysis and optimization of CCHP systems based on energy, economical, and environmental considerations. Energy Build. 2009;41(10):1099-1106. doi:10.1016/j.enbuild.2009.05.014Tolba M, Rezk H, Tulsky V, Diab A, Abdelaziz A, Vanin A. Impact of optimum allocation of renewable distributed generations on distribution networks based on different optimization algorithms. Energies. 2018;11(2):245. doi:10.3390/en11010245Yang G, Zhai X. Optimization and performance analysis of solar hybrid CCHP systems under different operation strategies. Appl Therm Eng. 2018;133(September 2017):327-340. doi:10.1016/j.applthermaleng.2018.01.046Román S, Libra J, Berge N, et al. Hydrothermal carbonization: Modeling, final properties design and applications: A review. Energies. 2018;11(1):216. doi:10.3390/en11010216Zeng L, Zhao L, Wang Q, et al. Modeling interprovincial cooperative energy saving in China: An electricity utilization perspective. Energies. 2018;11(1):1-25. doi:10.3390/en11010241Kamdem BG, Shittu E. Optimal commitment strategies for distributed generation systems under regulation and multiple uncertainties. Renew Sustain Energy Rev. 2015;80(2014):1597-1612. doi:10.1016/j.rser.2016.12.062Rafiei S, Bakhshai A. A review on energy efficiency optimization in Smart Grid. IECON 2012 - 38th Annu Conf IEEE Ind Electron Soc. 2012:5916-5919. doi:10.1109/IECON.2012.6389115Colmenares-Quintero RF, Góez-Sánchez GD, Colmenares-Quintero JC. Route planning in real time for short-range aircraft with a constant-volume-combustor-geared turbofan to minimize operating costs by particle swarm optimization. Cogent Eng. 2018;5(1). doi:10.1080/23311916.2018.1429984Colmenares-Quintero RF, Góez-Sánchez GD, Colmenares-Quintero JC. Trajectory optimization of an innovative-turbofan-powered aircraft based on particle swarm approach for low environmental impact. Cogent Eng. 2019;6(1). doi:10.1080/23311916.2019.1575637Leonard BJ, Engelbrecht AP. On the optimality of particle swarm parameters in dynamic environments. IEEE congress on evolutionary computation 2013:1564-1569Clerc M. Particle Swarm Optimization. Hermes Science/Lavoisier 2005; 2005.Colmenares-Quintero RF, Latorre-Noguera LF, Dibdiakova J, Colmenares-Quintero JC. Techno-environmental assessment of a micro-cogeneration system based on natural gas for residential application. CT y F - Ciencia, Tecnologia y Futuro 2018;8(1). doi: 10.29047/01225383.97Clerc M. Standard Particle Swarm Optimisation. 2012:1-15. https://pdfs.semanticscholar.org/c26f/d373a085b72b9a83724ef44b0d3780f0b93e.pdfMicro-cogeneraciónEmisiones de CO2Grupo de partículasEficiencia eléctricaEficiencia del combustibleObjetivos de Desarrollo Sosteniblemicro-cogenerationCO2 emissionsParticle clusterElectrical efficiencyFuel efficiencySustainable Development GoalsApplication of a simulation tool based on a bio-inspired algorithm for optimisation of distributed power generation systemsArtículos Científicoshttp://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionAtribucióninfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2PublicationLICENSElicense.txtlicense.txttext/plain; charset=utf-84334https://repository.ucc.edu.co/bitstreams/d3775673-2366-4c91-bbbd-baa38ca9559a/download3bce4f7ab09dfc588f126e1e36e98a45MD54ORIGINAL2021_application_simulation_tool_based-FormatoLicenciaUso.pdf2021_application_simulation_tool_based-FormatoLicenciaUso.pdfapplication/pdf179384https://repository.ucc.edu.co/bitstreams/99b14c59-8bc6-4ce0-9552-b1c26fccc2cb/downloadaa5d0d478fa84310a18ed94670d752c8MD532021_application_simulation_tool_based.pdf2021_application_simulation_tool_based.pdfapplication/pdf3867262https://repository.ucc.edu.co/bitstreams/96926c0e-78ac-44c2-8931-98151e6774ff/download97b981ae7e1cf5d47cb3cadb316cad27MD55THUMBNAIL2021_application_simulation_tool_based-FormatoLicenciaUso.pdf.jpg2021_application_simulation_tool_based-FormatoLicenciaUso.pdf.jpgGenerated Thumbnailimage/jpeg4959https://repository.ucc.edu.co/bitstreams/9b9a4435-80a1-411a-90b9-5bb8b79b2fec/download21ee72225e719baf2889eb74e5d436b0MD562021_application_simulation_tool_based.pdf.jpg2021_application_simulation_tool_based.pdf.jpgGenerated Thumbnailimage/jpeg4505https://repository.ucc.edu.co/bitstreams/ba92a2ce-3a86-463e-bb85-cc95079a1425/downloade4e041dff4ff3e8fbba1d195be24c213MD57TEXT2021_application_simulation_tool_based-FormatoLicenciaUso.pdf.txt2021_application_simulation_tool_based-FormatoLicenciaUso.pdf.txtExtracted texttext/plain5722https://repository.ucc.edu.co/bitstreams/43efa8bd-eeaf-4152-9485-bf006749bc3a/download2d1acea3667be1c0c5a93e3f8314cdb4MD582021_application_simulation_tool_based.pdf.txt2021_application_simulation_tool_based.pdf.txtExtracted texttext/plain49583https://repository.ucc.edu.co/bitstreams/29671752-296b-4ded-9505-5801da4535b2/download2a5d2dd43e01a9e9a4cfa5af45a16b7dMD5920.500.12494/33748oai:repository.ucc.edu.co:20.500.12494/337482024-08-10 21:02:45.961restrictedhttps://repository.ucc.edu.coRepositorio Institucional Universidad Cooperativa de Colombiabdigital@metabiblioteca.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

Application of a simulation tool based on a bio-inspired algorithm for optimisation of distributed power generation systems

Publicaciones similares