MétaCan
Menu
Retour à la cohorte
Enregistrement W2286133046 · doi:10.1007/s40565-016-0193-8

Frequency aware robust economic dispatch

2016· article· en· W2286133046 sur OpenAlexaff
Donglei Sun, Xueshan Han, Bo Zhang, Mingqiang Wang, Tianyu Ding

Notice bibliographique

RevueJournal of Modern Power Systems and Clean Energy · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Power System Optimization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésRobust optimizationMathematical optimizationEconomic dispatchExploitBilinear interpolationComputer scienceAffine transformationOptimization problemComplementarity (molecular biology)Robustness (evolution)Electric power systemMathematics

Résumé

récupéré en direct d'OpenAlex

This paper proposes a novel frequency aware robust economic dispatch (FARED) approach to exploit the synergistic capability of accommodating uncertain loads and renewable generation by accounting for both the frequency regulation effect and optimal participation mechanism of secondary regulation reserves for conventional units in response to uncertainties in the robust optimization counterpart of security constrained economic dispatch. The FARED is formulated as a robust optimization problem. In this formulation the allowable frequency deviation and the possible load or renewable generation curtailments are expressed in terms of variable uncertainty sets. The variables in the formulation are described as interval variables and treated in affine form. In order to improve the computational tractability, the dominant constraints which can be the candidates of tight transmission constraints are determined by complementarity constraints. Then the robust optimization problem is simplified to a bilinear programming problem based on duality theory. Finally, the effectiveness and efficiency of the proposed method are illustrated based on several study cases.

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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,173
Écart entre enseignants0,167 · 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

Citations7
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Modern Power Systems and Clean EnergyMême sujetElectric Power System OptimizationTravaux en français237 207