MétaCan
Menu
Retour à la cohorte
Enregistrement W2149172856 · doi:10.1109/tia.2003.816554

Reliability modeling of distributed generation in conventional distribution systems planning and analysis

2003· article· en· W2149172856 sur OpenAlexaff
A.A. Chowdhury, Sudhir K. Agarwal, D.O. Koval

Notice bibliographique

RevueIEEE Transactions on Industry Applications · 2003
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Reliability and Maintenance
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésReliability engineeringReliability (semiconductor)Distributed generationElectric utilityDeferralMaintenance engineeringElectric power systemEquivalence (formal languages)Order (exchange)Electric power industryComputer scienceEngineeringElectricityPower (physics)EconomicsElectrical engineeringRenewable energyFinance

Résumé

récupéré en direct d'OpenAlex

The primary objective of any electric utility company in the new competitive environment would be to increase the market value of the services it provides with the right amount of reliability, and at the same time, lower its costs for operation, maintenance, and construction of new facilities in order to provide lower rates for customers. The electric utility company will strive to achieve this objective via many different means, one of which is to defer the capital distribution facility requirements in favor of a distributed generation (DG) solution by an independent power producer (IPP) to meet the growing customer load demand. In this case, the distribution capital investment deferral credit received by the IPP will be dependent on the incremental system reliability improvement rendered by the DG solution. In other words, the size, location and the reliability of the DG will be based on the comparable incremental reliability provided by the distribution solution under considerations. This paper presents a reliability model for determining the DG equivalence to a distribution facility for use in distribution system planning studies in the new competitive environment.

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)0,002
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 enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,022
Tête enseignante GPT0,243
Écart entre enseignants0,222 · 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

Citations244
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industry ApplicationsMême sujetPower System Reliability and MaintenanceTravaux en français237 207