MétaCan
Menu
Retour à la cohorte
Enregistrement W2081227144 · doi:10.1007/s40565-014-0079-6

Frequency regulation by fuzzy and binary control in a hybrid islanded microgrid

2014· article· en· W2081227144 sur OpenAlexaff
Pamela Astrid Manjarres, O.P. Malik

Notice bibliographique

RevueJournal of Modern Power Systems and Clean Energy · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMicrogridDiesel generatorAutomatic frequency controlFrequency regulationController (irrigation)Control theory (sociology)Control engineeringEngineeringGenerator (circuit theory)Automatic Generation ControlFuzzy logicControl (management)Renewable energyWind powerComputer sciencePower (physics)Electric power systemDiesel fuelAutomotive engineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Islanded microgrids must be self-sufficient in terms of frequency and voltage control due to their islanded operation. A control strategy for frequency regulation by combining the operation of a wind generator, a diesel generator, a battery energy storage system and a dump load in a microgrid is proposed in this paper. In the proposed strategy, the control task is partitioned into two subtasks: 1) choosing the appropriate element to be used for regulation, and 2) providing frequency regulation. A global controller chooses the element to operate. Then, the frequency regulation is provided by separate individual controllers. The proposed control strategy is tested on a microgrid with mixed types of generation and modeled on Simulink. By monitoring the power of individual elements and system frequency, it is shown that the proposed control strategy operates efficiently. The proposed strategy facilitates the integration of renewable energy sources and enhances frequency regulation.

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)0,000
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 enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,000
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 Opus0,002
Tête enseignante GPT0,154
Écart entre enseignants0,152 · 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

Citations19
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Modern Power Systems and Clean EnergyMême sujetMicrogrid Control and OptimizationTravaux en français237 207