MétaCan
Menu
Retour à la cohorte
Enregistrement W2113369277 · doi:10.1109/tpwrs.2010.2045663

Optimal Allocation of ESS in Distribution Systems With a High Penetration of Wind Energy

2010· article· en· W2113369277 sur OpenAlexaffabout
Y. M. Atwa, Ehab F. El‐Saadany

Notice bibliographique

RevueIEEE Transactions on Power Systems · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Power System Optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésWind powerSizingInstallationEnergy storageDistributed generationReliability engineeringElectricityComputer scienceEnvironmental economicsRenewable energyEnvironmental scienceEngineeringElectrical engineeringPower (physics)Economics

Résumé

récupéré en direct d'OpenAlex

Environmental concerns and fuel cost uncertainties associated with the use of conventional energy sources have resulted in rapid growth in the amount of wind energy connected to distribution grids. However, based on Ontario's standard offer program (SOP), the utility has the right to curtail (spill) wind energy in order to avoid any violation of the system constraints. This means that any increase in wind energy production over a specific limit might be met with an increase in the wind energy curtailed. In spite of their cost, energy storage systems (ESSs) are considered to be a viable solution to this problem. This paper proposes a methodology for allocating an ESS in a distribution system with a high penetration of wind energy. The ultimate goal is to maximize the benefits for both the DG owner and the utility by sizing the ESS to accommodate all amounts of spilled wind energy and by then allocating it within the system in order to minimize the annual cost of the electricity. In addition, a cost/benefit analysis has been conducted in order to verify the feasibility of installing an ESS from the perspective of both the utility and the DG owner.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,003
Tête enseignante GPT0,175
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

Citations466
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power SystemsMême sujetElectric Power System OptimizationTravaux en français237 207