MétaCan
Menu
Retour à la cohorte
Enregistrement W2016141565 · doi:10.1177/1748006x11419071

Value of stochastic reserve policies in low-carbon power systems

2011· article· en· W2016141565 sur OpenAlexfundno aff
Alexander Sturt, Goran Štrbac

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part O Journal of Risk and Reliability · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Power System Optimization
Établissements canadiensnon disponible
Organismes subventionnairesPratt and Whitney Canada
Mots-clésReserve requirementWind powerElectric power systemWind generatorReliability engineeringEnvironmental economicsComputer sciencePower system simulationElectricity generationScheduling (production processes)Environmental scienceBusinessPower (physics)Operations managementElectrical engineeringEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

The intermittent nature of wind power and the high ratings of next-generation nuclear units mean that low-carbon power systems will have high short-term reserve requirements, if these requirements are determined using current methods. Meanwhile, the flexible fossil-fuel generators, which have been the traditional providers of reserve services, will run much less frequently. A fundamental review of the reserve requirement is therefore needed if power systems are to absorb high wind penetrations in an efficient manner. A fast Stochastic Unit Commitment algorithm is presented, which accounts for the uncertainties in demand, wind power and thermal generator outages, and schedules both frequency response (primary reserve) and longer-term reserves considering the costs and benefits of their provision. It is shown through multi-year simulations that stochastic scheduling can have substantial benefits at high wind penetrations, in terms of wind curtailment and efficient running of the flexible generators. Under the assumptions made, the cost reduction, compared with system operation under current reserve requirements, is about 4 per cent at a 50 per cent penetration.

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)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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)0,0020,000

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 Opus0,007
Tête enseignante GPT0,192
Écart entre enseignants0,185 · 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'étudeSimulation ou modélisation
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

Citations7
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part O Journal of Risk and ReliabilityMême sujetElectric Power System OptimizationTravaux en français237 207