MétaCan
Menu
Retour à la cohorte
Enregistrement W2034539833 · doi:10.1109/tsg.2014.2307919

DG Mix, Reactive Sources and Energy Storage Units for Optimizing Microgrid Reliability and Supply Security

2014· article· en· W2034539833 sur OpenAlexaff
Seyed Ali Arefifar, Yasser Abdel‐Rady I. Mohamed

Notice bibliographique

RevueIEEE Transactions on Smart Grid · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMicrogridDistributed generationReliability engineeringRobustness (evolution)InstallationSmart gridComputer scienceProbabilistic logicDistributed data storeGridEnergy storageDistributed computingReliability (semiconductor)EngineeringRenewable energyPower (physics)Mathematics

Résumé

récupéré en direct d'OpenAlex

Microgrids have gained a lot of interest under the smart grid vision demanding systematic procedures for their optimal construction and performance enhancement. By defining a new probabilistic index, this paper presents approaches for clustering active distribution systems into a set of microgrids with optimized reliability and supply-adequacy indices. After proposing two different methods for optimally designing the microgrids, as two corrective actions to improve the defined index, the advantages of installing distributed reactive sources (DRSs) and distributed energy storage resources (DESRs) are investigated. The problem formulation and solution algorithms are presented in this paper. The well-known PG&E 69-bus distribution system is selected as a test case and through several sensitivity studies, the robustness of the design and the effect of interconnecting different amounts of DRSs' and DESRs' capacities on the defined index are investigated. It is found that by properly designing the system and integrating the DRSs and DESRs, the index can be improved from 23% in the base system without distributed generators (DGs) to 77% in the basic microgrid design with distributed generators and to 93% considering all resources.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 GPT0,178
Écart entre enseignants0,172 · 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

Citations150
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Smart GridMême sujetMicrogrid Control and OptimizationTravaux en français237 207