MétaCan
Menu
Retour à la cohorte
Enregistrement W2039408570 · doi:10.1109/smartgridcomm.2014.7007628

An analysis of energy storage and regulation

2014· article· en· W2039408570 sur OpenAlexaff
Dariush Fooladivanda, Catherine Rosenberg, Siddharth Garg

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésOperator (biology)Unit (ring theory)Service (business)Computer scienceRange (aeronautics)Power (physics)State (computer science)Balance (ability)Energy storageVariable (mathematics)Operations researchReliability engineeringMathematical optimizationControl theory (sociology)EconomicsControl (management)EngineeringMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

We focus on a region whose power system is controlled by an operator that relies on a regulation service to balance the total system supply to the total system load in quasi real-time. We consider the existing contractual framework in which a regulation unit declares its regulation parameters at the beginning of the contract, the operator guarantees that the regulation signals will be within the range of these parameters, and the regulation unit is rewarded proportionally to what it declares. Our purpose is twofold. We first want to obtain formulas for the regulation parameters that a unit with non-ideal storage should declare to the operator given its state of charge at the beginning of a contract. Second, we want to analytically quantify, ahead of time, the reward that such a unit could obtain in successive contracts by performing this regulation service. Since the state of charge at the beginning of a contract depends on what happened in the previous contract and, hence, is a random variable, we quantify this reward analytically using bounds and expectation. We then provide engineering insights by applying our results to three specific energy storage technologies that are often considered as candidates for regulation. In particular, we show the impact of the storage parameters and the length of one contract on the potential reward over a given period.

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)0,009
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0030,005
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0160,001

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 Opus0,004
Tête enseignante GPT0,177
Écart entre enseignants0,173 · 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

Citations5
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSmart Grid Energy ManagementTravaux en français237 207