MétaCan
Menu
Retour à la cohorte
Enregistrement W2555339733 · doi:10.1109/tii.2016.2632760

On the Use of Energy Storage Systems and Linear Feedback Optimal Control for Transient Stability

2016· article· en· W2555339733 sur OpenAlexaff
Abdallah Farraj, Eman Hammad, Deepa Kundur

Notice bibliographique

RevueIEEE Transactions on Industrial Informatics · 2016
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Transient (computer programming)Computer scienceController (irrigation)Electric power systemEnergy storageControl systemControl engineeringEngineeringPower (physics)Control (management)

Résumé

récupéré en direct d'OpenAlex

In this paper, we study a distributed control strategy that harnesses the highly granular data available in future power systems in order to improve system resilience to disturbances. Specifically, we investigate the role of external energy storage systems (ESSs) in stabilizing the dynamics of power systems during periods of disruption. We consider an information-rich multiagent framework and focus on ESS output control via linear feedback optimal (LFO) control to achieve transient stability. The LFO control scheme relies on receiving timely state information to actuate distributed ESSs in order to drive the synchronous generators to stability. We evaluate the performance of the LFO control on the 39-bus 10-generator New England test power system in the presence of ideal and nonideal conditions including communication latency, finite sampling rate, and sensor noise. The LFO controller is found to have a simple structure, be tunable, and to have fast response to achieving transient stability while being sensitive to information latency and data rate.

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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,066
Tête enseignante GPT0,224
Écart entre enseignants0,158 · 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

Citations42
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industrial InformaticsMême sujetPower System Optimization and StabilityTravaux en français237 207