MétaCan
Menu
Retour à la cohorte
Enregistrement W1827877219 · doi:10.1109/pes.2004.1372948

Experiences in aggregating distributed generation for system benefit

2004· article· en· W1827877219 sur OpenAlexfundno aff
M. Osborn

Notice bibliographique

RevueIEEE Power Engineering Society General Meeting, 2004. · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Security and Resilience
Établissements canadiensnon disponible
Organismes subventionnairesBruce Power
Mots-clésDispatchable generationStandby powerElectric power systemElectricity generationDemand responseComputer scienceGenerator (circuit theory)BusinessPower (physics)Electrical engineeringReliability engineeringDistributed generationEngineeringElectricityRenewable energy

Résumé

récupéré en direct d'OpenAlex

Many data centers, medical complexes, government facilities, factories and other commercial buildings have standby electrical generators. Quiet for most of the year, the generators are only used in the event of a power outage or for periodic testing. Portland General Electric (PGE) offers a program aimed at supplying capacity resources that utilizes these hidden resources to their full potential as a single aggregated generating peaking plant. PGE's "dispatchable standby generation" (DSG) program currently ties together 15 MWs of standby generators to support peak power demand on PGE's system and to ensure reliable service for customers. This power can also help avoid buying wholesale power when prices are skyrocketing or may allow less expensive resources to be utilized while DSG power can be counted as reserve capacity. DSG generator power first supplies power to its designed load at the facility and any excess power flows into the PGE system. To the PGE system grid, this appears as a drop in load and a small increase in supply. Finally, PGE links the GenOnSys application to PGE's system control center's energy management system via a secure fiber connection.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,008
Tête enseignante GPT0,205
Écart entre enseignants0,197 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations11
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Power Engineering Society General Meeting, 2004.Même sujetSmart Grid Security and ResilienceTravaux en français237 207