MétaCan
Menu
Retour à la cohorte
Enregistrement W2135348626 · doi:10.1109/pes.2007.386275

Diesel Plant Sizing and Performance Analysis of a Remote Wind-Diesel Microgrid

2007· article· en· W2135348626 sur OpenAlexaffabout
Farid Katiraei, Chad Abbey

Notice bibliographique

RevueIEEE Power Engineering Society General Meeting · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésDiesel fuelSizingMicrogridAutomotive engineeringWind powerEnvironmental scienceComputer scienceMarine engineeringEngineeringElectrical engineeringRenewable energy

Résumé

récupéré en direct d'OpenAlex

This paper introduces an energy-flow model developed for performance analysis and unit sizing of an autonomous wind-diesel microgrid. A remote community in Canada is used as the study system, for which a medium penetration wind power plant has been integrated into a system served by a diesel plant with three equally sized diesel generators. Based on field observations and monitored data for almost two years of operation, an energy-flow model is developed which incorporates operating constraints and control requirements of the autonomous wind- diesel system. The model is employed to analyze the interaction of wind and diesel power plants in order to identify alternative unit sizing approaches that improve wind-energy absorption rate of the wind plant, fuel savings and overall efficiency of the diesel plant. Optimization criteria for unit sizing of the diesel plant in the presence of the wind farm are discussed and system performance for several configurations based on multiple units with reduced-size diesel unit are investigated. The simulation results from the energy-flow model for two operation scenarios are compared with the field observations and an optimum combination of multiple diesels with reduced-size units is suggested.

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)0,001
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 enseignants0,027
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,004
Tête enseignante GPT0,182
Écart entre enseignants0,178 · 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

Citations102
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Power Engineering Society General MeetingMême sujetMicrogrid Control and OptimizationTravaux en français237 207