MétaCan
Menu
Retour à la cohorte
Enregistrement W2341859722

Load shaping via grid wide coordination of heating-cooling electric loads: A mean field games based approach

2015· article· en· W2341859722 sur OpenAlexaboutno aff
Roland P. Malhamé, Arman C. Kizilkale

Notice bibliographique

RevueLes Cahiers du GERAD · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGridDistributed generationAggregate (composite)Load balancing (electrical power)SmoothingComputer scienceEngineeringRenewable energyElectrical engineeringMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Pressure on ancillary reserves in power systems has significantly mounted due to the recent generalized increase of the fraction of (highly fluctuating) wind and solar energy sources in grid generation mixes. Dedicated energy storage devices have seen their role reaffirmed as potentially low carbon print, if expensive tools, for smoothing the resulting generation/demand imbalances. However, a hitherto under utilized, relatively inexpensive energy storage alternative is that formed by the tiny energy wells of electric origin attached to millions of individual customer electric thermal loads. A hierarchical mean field games approach is proposed for shaping their collective load, whereby the top level sets system optimal mean aggregate temperature target trajectories. In turn based on a local state and a mean field dependent cost function, each individual load develops a decentralized local control law such that the aggregate load can meet the set targets. This control law is to be followed only as long as local comfort and safety constraints are secured, thus guaranteeing acceptability by customers. The corresponding mathematical theory is developed and numerical results are reported. Acknowledgments: The authors gratefully acknowledge the support of Natural Resources Canada. Les Cahiers du GERAD G–2015–68 1

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,644
Score d'incertitude au seuil0,962

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,195
Écart entre enseignants0,182 · 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 tête enseignante, 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLes Cahiers du GERADMême sujetSmart Grid Energy ManagementTravaux en français237 207