MétaCan
Menu
Retour à la cohorte
Enregistrement W1976765048 · doi:10.1049/iet-gtd.2009.0099

Re-defining the reactive power dispatch problem in the context of competitive electricity markets

2010· article· en· W1976765048 sur OpenAlexaffabout
Claudio A. Cañizares, Kankar Bhattacharya, Ismael El-Samahy, Hossein Haghighat, Jiuping Pan, Chenghui Tang

Notice bibliographique

RevueIET Generation Transmission & Distribution · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Power System Optimization
Établissements canadiensIndependent Electricity System OperatorUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésAC powerElectricity marketContext (archaeology)Benchmark (surveying)ElectricityElectric power systemComputer scienceEconomic dispatchScheduleElectricity generationPower (physics)Mathematical optimizationReliability engineeringVoltageEngineeringElectrical engineeringMathematics

Résumé

récupéré en direct d'OpenAlex

This study proposes a novel reactive power dispatch model that takes into account both the technical and economical aspects associated with reactive power dispatch in the context of the new operating paradigms in competitive electricity markets. The main objective of the proposed model is to minimise the total amount of dollars paid by the system operator to the generators for providing the required reactive power support. The real power generation is decoupled and assumed fixed during the reactive power dispatch procedures; however, because of the effect of reactive power on real power, a re-schedule in the real power generation is allowed within given limits. The 32-bus CIGRE benchmark system is used to illustrate the proposed reactive power dispatch technique. The developed model is generic in nature and designed to be adopted by system operators in any electricity market structure, as demonstrated by its application to Ontario's grid considering its market rules for reactive power payments.

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)0,002
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

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

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 GPT0,208
Écart entre enseignants0,203 · 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'étudeThéorique ou conceptuel
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

Citations35
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIET Generation Transmission & DistributionMême sujetElectric Power System OptimizationTravaux en français237 207