A practical real-time OPF method using new triangular approximate model of wind electric generators
Notice bibliographique
Résumé
Near-term output forecast of wind electric generators (WEG) has uncertainties. Optimal power flow (OPF) schedules that consider forecasted output of WEGs carry risk due to these uncertainties. This risk can be quantified as expected energy not served (EENS). Traditional methods such as Monte Carlo simulation (MCS) with OPF can capture the stochastic nature of WEG output while considering ac transmission system constraints to simultaneously minimize risks from EENS and total operating costs, analyze influence of wind variability on total costs, correlate reserves and wind variability, etc. However, the MCS technique is extremely time consuming and computationally burdensome. This paper proposes a new triangular approximate distribution (TAD) model that very closely represents the normal probabilistic distribution function of forecasted wind speed to capture stochastic information of WEG output forecast and quantify EENS. This TAD model is used to formulate the proposed OPF method considering ac transmission systems to: 1) simultaneously minimize risk due to EENS and total operating costs and 2) analyze the impact of wind variability on system parameters such as EENS, operating costs, location marginal prices, and reserve costs. Tests on IEEE test systems reveal that the proposed method is accurate, fast, and suitable for real-time use.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».