MétaCan
Menu
Retour à la cohorte
Enregistrement W1592090296

Active power control of smart grids Using Plug-in Hybrid Electric Vehicle

2012· article· en· W1592090296 sur OpenAlexaff
Andisheh Ashourpouri, Abdolreza Sheikholeslami, Majid Shahabi, S.A. Nabavi Niaki

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEngineeringPower (physics)Power factorElectrical engineeringAC powerSmart gridAutomotive engineeringVoltagePower controlVoltage optimisationControl theory (sociology)Computer scienceControl (management)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In conventional power systems, due to lack of communication, power sharing between generators is based on their capacities and economical power flow would not be applied. So, this would be led to rise of fuel consumption and reduced efficiency. For solving this smart micro grid with communication platform is defined. This micro grid consists of load, Plug-in Hybrid Electric Vehicle (PHEV), and Auxiliary Power Unit (APU). APU works in voltage-frequency mode and its role is to fix the voltage and frequency of micro grid. Whereas, PHEVs work in power injection mode and produce power based on the set points that are defined for them. These set points which indicate the contribution of each PHEV in producing power are defined by an economical power flow in a control center known as Central Power Management (CPM). The PHEVs are connected to the Point of Common Coupling (PCC) through Voltage Source Inverters (VSI). Since the active power flow depends on the deference between angles of inverter output voltage and PCC voltage, by controlling this angle deference, active power will be controlled. By comparing the proposed smart method with conventional method, through simulations in MATLAB/Simulink environment, it will be approved smart method is more economical.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,285
Score d'incertitude au seuil0,464

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,005
Tête enseignante GPT0,196
Écart entre enseignants0,191 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectric Vehicles and InfrastructureTravaux en français237 207