MétaCan
Menu
Retour à la cohorte
Enregistrement W2024825567 · doi:10.1109/tpwrs.2012.2205022

Adequacy Assessment Considerations in Wind Integrated Power Systems

2012· article· en· W2024825567 sur OpenAlexaff
R. Billinton, Rajesh Karki, Yi Gao, Dange Huang, Po Hu, Wijarn Wangdee

Notice bibliographique

RevueIEEE Transactions on Power Systems · 2012
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Reliability and Maintenance
Établissements canadiensBC Hydro (Canada)Manitoba HydroUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésWind powerElectric power systemReliability engineeringElectricity generationWind speedEngineeringElectric power transmissionRange (aeronautics)Computer sciencePower (physics)Electrical engineeringMeteorologyAerospace engineering

Résumé

récupéré en direct d'OpenAlex

There is a wide range of possible data representations, models and solution techniques available when conducting adequacy assessments of wind integrated generation or composite generation and transmission systems. This paper presents some of the basic factors and procedures that need to be considered when conducting wind integrated system adequacy assessment. Focus is placed on possible wind speed data models, wind energy conversion system models and their application in generation and bulk system adequacy evaluation. A series of studies is presented using two published test systems, the RBTS and the IEEE-RTS. These studies illustrate the effects of wind farm correlation on the determination of wind power capacity credit indices and on general adequacy assessment in generating and bulk electric systems. The impacts on the system well-being indices of adding wind power to a bulk electric system and the effects on the adequacy of a wind integrated system from energy storage obtained using hydro generation are examined by application to the IEEE-RTS.

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)0,004
score de la tête « metaresearch » (Gemma)0,025
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: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
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 Opus0,014
Tête enseignante GPT0,238
Écart entre enseignants0,223 · 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

Citations113
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power SystemsMême sujetPower System Reliability and MaintenanceTravaux en français237 207