MétaCan
Menu
Retour à la cohorte
Enregistrement W2414570229 · doi:10.1002/wene.216

Technical impacts of high penetration levels of wind power on power system stability

2016· article· en· W2414570229 sur OpenAlexaff
Damian Flynn, Zakir Hussain Rather, Atle Rygg Årdal, Salvatore D’Arco, Anca Daniela Hansen, Nicolaos Antonio Cutululis, Poul Ejnar Sørensen, A. Estanquiero, Nickie Menemenlis, C. Smith, Ye Wang

Notice bibliographique

RevueWiley Interdisciplinary Reviews Energy and Environment · 2016
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensHydro-Québec
Organismes subventionnairesnon disponible
Mots-clésPenetration (warfare)Environmental scienceWind powerElectric power systemStability (learning theory)Power (physics)EngineeringElectrical engineeringComputer scienceThermodynamicsPhysicsOperations research

Résumé

récupéré en direct d'OpenAlex

With increasing penetrations of wind generation, based on power‐electronic converters, power systems are transitioning away from well‐understood synchronous generator‐based systems, with growing implications for their stability. Issues of concern will vary with system size, wind penetration level, geographical distribution and turbine type, network topology, electricity market structure, unit commitment procedures, and other factors. However, variable‐speed wind turbines, both onshore and connected offshore through DC grids, offer many control opportunities to either replace or enhance existing capabilities. Achieving a complete understanding of future stability issues, and ensuring the effectiveness of new measures and policies, is an iterative procedure involving portfolio development and flexibility assessment, generation cost simulations, load flow, and security analysis, in addition to the stability analysis itself, while being supported by field demonstrations and real‐world model validation. WIREs Energy Environ 2017, 6:e216. doi: 10.1002/wene.216 This article is categorized under: Wind Power > Systems and Infrastructure Energy Infrastructure > Systems and Infrastructure

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)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,015
Tête enseignante GPT0,228
Écart entre enseignants0,213 · 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'étudeThéorique ou conceptuel
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

Citations86
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWiley Interdisciplinary Reviews Energy and EnvironmentMême sujetPower System Optimization and StabilityTravaux en français237 207