MétaCan
Menu
Retour à la cohorte
Enregistrement W2042518280 · doi:10.1109/peoco.2013.6564518

Market efficiency and MW margin to voltage instability

2013· article· en· W2042518280 sur OpenAlexaff
Ayman Elkasrawy, Bala Venkatesh

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésElectricity marketElectricityRestructuringScheduleElectric power systemMargin (machine learning)DeregulationVoltageWork (physics)Computer scienceEnergy marketPower (physics)Electrical engineeringEconomicsEngineeringMarket economyMechanical engineeringFinance

Résumé

récupéré en direct d'OpenAlex

Several electricity markets were created in the last two decades by deregulation and restructuring vertically integrated utilities. In order to serve the best interest of participating entities, it is important to operate electricity markets at their maximum efficiency. In most cases, electricity markets were formed to operate on existing physical power systems that had evolved over several decades as vertically integrated utilities. Location of generating stations, large urban load centers and enabling transmission systems were unique to every power system and followed the ‘lay of the land’. Depending upon a power system layout, voltage stability and MW Margin to Voltage Instability (MMVI) are unique to it. While an electricity market is to be operated efficiently, its optimal generation schedule to supply energy through an electric power system has to be reliable and meet the strict standards including those that relate to MMVI. This work elicits the relationship between market efficiency and MMVI. To this end, a formulation and a solution algorithm are presented. Two contrasting 5-bus cases illustrate how the transmission system layout influences the relationship between MMVI and market efficiency. The IEEE 118-bus system is also used to illustrate this relationship.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,607
Score d'incertitude au seuil0,997

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)0,0040,000

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 GPT0,185
Écart entre enseignants0,180 · 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.

Devis d'étudeObservationnel
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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPower System Optimization and StabilityTravaux en français237 207