MétaCan
Menu
Retour à la cohorte
Enregistrement W2158458616 · doi:10.1109/pes.2006.1709098

Incorporating dynamic security into market dispatch using accurate transient stability constraints

2006· article· en· W2158458616 sur OpenAlexafffund
A. G. Buddhika P. Jayasekara, U.D. Annakkage

Notice bibliographique

Revue2006 IEEE Power Engineering Society General Meeting · 2006
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesUniversity of Manitoba
Mots-clésComputer scienceTransient (computer programming)Constraint (computer-aided design)Electric power systemMathematical optimizationStability (learning theory)Electricity marketLinear programmingComputationKey (lock)Control theory (sociology)ElectricityPower (physics)AlgorithmEngineeringMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper proposes the inclusion of transient stability constraints in generation dispatch algorithms used in electricity markets to ensure dynamic security. The proposed security constraint is derived by applying a non-linear surface fitting technique to a database generated off-line. The technique used has two key features that enables very fast computation of an accurate transient stability constraint. One feature is that it uses a linear estimation technique to estimate a non-linear function by means of a non-linear transformation. The second important feature is that it employs an implicit technique to gain significant reduction in computing burden. The security constraints derived for each credible contingency can be used in an optimal power flow program for market clearance. The effectiveness and efficiency of the proposed method is demonstrated using the New England 39 bus system and a larger power system with 470 buses

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)0,006
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,003
Science ouverte0,0010,001
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 Opus0,006
Tête enseignante GPT0,208
Écart entre enseignants0,202 · 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

Citations1
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue2006 IEEE Power Engineering Society General MeetingMême sujetPower System Optimization and StabilityTravaux en français237 207