MétaCan
Menu
Retour à la cohorte
Enregistrement W2025615874 · doi:10.1109/intlec.2011.6099826

Optimum battery size selection in standalone renewable energy systems

2011· article· en· W2025615874 sur OpenAlexaff
Hossein Delavaripour, Hamid Reza Karshenas, Alireza Bakhshai, Praveen Jain

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésBattery (electricity)Renewable energyReliability engineeringReliability (semiconductor)Energy storageWind powerComputer scienceAutomotive engineeringPhotovoltaic systemWork (physics)SimulationEngineeringElectrical engineeringPower (physics)Mechanical engineering

Résumé

récupéré en direct d'OpenAlex

This paper presents the optimum calculation of battery size when used as energy storage in standalone systems with renewable energy resources. The focus in this analysis is on the effect of battery charging/discharging characteristics on system reliability and cost. Renewable resources such as wind and PV cannot be the only source of energy in standalone system due to their fluctuating nature. Therefore, additional means of energy is required to achieve a reliable and continuous energy system. Battery energy storage systems are widely used in such applications. In this regard, the size of batteries plays an important role in the overall system reliability and cost. This paper uses the Loss of Load Expectation (LOLE) index to evaluate the reliability of a standalone system consisting of wind turbines and battery storage system. The analysis is carried out based on time series simulation, i.e. different system parameters are arranged in sampled time series format. The main contribution of the work is in modeling the complete charging/discharging characteristics of battery. It is shown that by taking the charging efficiency and discharge rate into consideration, the resulted LOLE is lower than what is expected. Simulation results for a case study are presented in the paper.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,889
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 Opus0,020
Tête enseignante GPT0,225
Écart entre enseignants0,205 · 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'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

Citations12
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Battery Technologies ResearchTravaux en français237 207