MétaCan
Menu
Retour à la cohorte
Enregistrement W2122492517 · doi:10.1109/pes.2007.386176

Analysis of Network Rental in the Competitive Electricity Market

2007· article· en· W2122492517 sur OpenAlexafffund
L.Y.C. Amarasinghe, U.D. Annakkage

Notice bibliographique

RevueIEEE Power Engineering Society General Meeting · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Power System Optimization
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaManitoba Hydro
Mots-clésRentingKarush–Kuhn–Tucker conditionsElectricityElectricity marketRevenueConstraint (computer-aided design)Electricity generationComputer scienceMathematical optimizationMicroeconomicsBusinessOperations researchIndustrial organizationPower (physics)EconomicsEngineeringFinanceMathematics

Résumé

récupéré en direct d'OpenAlex

Competitive electricity markets use marginal prices to settle the transactions with generator owners and consumers. This results in charging the consumers more than the average cost of production of electricity due to the nonlinear relationship between the losses and power transmission. This difference in revenue collection, referred to as the network rental in this paper, is further increased if the dispatch is constrained due to any operating limits such as power flow limits. There are two main components that constitute the network rental, loss rental and the constraint rental. This paper presents a theoretical analysis based on Karush-Kuhn-Tucker (KKT) optimality conditions to calculate these different rental components. In this way each rental component can be quantitatively analyzed, which in turn can be used to get a better insight of the operation of the electricity market. Some case studies on the IEEE 30 bus system is presented to demonstrate the application of the proposed method.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,305
Score d'incertitude au seuil0,857

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
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)0,0000,000

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 Opus0,004
Tête enseignante GPT0,199
Écart entre enseignants0,195 · 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.

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

Citations2
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Power Engineering Society General MeetingMême sujetElectric Power System OptimizationTravaux en français237 207