Modeling and Stability Analysis of Automatic Generation Control Over Cognitive Radio Networks in Smart Grids
Notice bibliographique
Résumé
Due to its great potential to improve the overall performance of data transmission with its dynamic and adaptive spectrum allocation capability in comparison with many other networking technologies, cognitive radio (CR) networking technology has been increasingly employed in networking and communication infrastructures for smart grids. However, a secondary user (SU) of a CR network has to be squeezed out from a channel when a primary user reclaims the channel, which may occur in a randomized fashion. The random interruption of SU traffic may cause packet losses and delays for SU data, and it will in turn affect the stability of the monitoring and control of smart grids. In this paper, we address this problem and investigate the modeling and stability analysis of the automatic generation control (AGC) of a smart grid for which CR networks are used as the infrastructure for the aggregation and communication of both system-wide information and local measurement data. For this purpose, a randomly switched power system model is proposed for the AGC of the smart grid. By modeling the CR network as an On–Off switch with sojourn times, the stability of the AGC of the smart grid is analyzed. In particular, we investigate the smart grid with two main types of CR networks: 1) the sojourn times are arbitrary but bounded and 2) the sojourn times follow an independent and identical distribution process. The sufficient conditions are obtained for the stability of the AGC of the smart grid with these two CR networks, respectively. Simulation results show the effects of the CR networks on the dynamic performance of the AGC of the smart grid and illustrate the usefulness of the developed sufficient conditions in the design of CR networks in order to ensure the stability of the AGC of the smart grid.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».