MétaCan
Menu
Retour à la cohorte
Enregistrement W2341002964 · doi:10.1109/tpwrs.2016.2543726

Semidefinite Relaxation of Optimal Power Flow for AC–DC Grids

2016· article· en· W2341002964 sur OpenAlexafffund
Shahab Bahrami, Francis Therrien, Vincent W. S. Wong, Juri Jatskevich

Notice bibliographique

RevueIEEE Transactions on Power Systems · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueOptimal Power Flow Distribution
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésConvertersMathematical optimizationRelaxation (psychology)AC powerConvexityControl theory (sociology)Power (physics)Electric power systemPower flowVoltageMathematicsComputer scienceTopology (electrical circuits)EngineeringElectrical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

The proliferation of technologies operating on dc power has motivated the system planners toward integration of dc and ac grids. The optimal power flow (OPF) analysis is widely used to determine the economically efficient operating points of the power grids. The OPF problem in ac-dc grids is a non-convex optimization problem due to the nonlinear power flow equations and the operating constraints imposed by the ac-dc converters. In this paper, we study the OPF problem in ac-dc grids to address the non-convexity of the problem. The objective of the ac-dc OPF problem is to jointly minimize the generation cost and the losses on the lines and converters. The optimization problem is subject to the ac and dc power flow constraints, the limits of the voltages and line flows, and the operating limits of the converters. We use convex relaxation techniques and transform the problem to a semidefinite program. We derive a sufficient condition for zero relaxation gap to obtain the global optimal solution. Simulations are performed on an IEEE 118-bus test system connected to sample dc grids. We show that the zero relaxation gap condition holds for the case study and the global optimal solution can be obtained.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,010
Tête enseignante GPT0,212
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

Citations89
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power SystemsMême sujetOptimal Power Flow DistributionTravaux en français237 207