MétaCan
Menu
Retour à la cohorte
Enregistrement W2562866872 · doi:10.1109/tsg.2016.2640202

Three-Stage Distribution Feeder Control Considering Four-Quadrant EV Chargers

2016· article· en· W2562866872 sur OpenAlexafffund
Mauricio Restrepo, Claudio A. Cañizares, Mehrdad Kazerani

Notice bibliographique

RevueIEEE Transactions on Smart Grid · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Research Foundation
Mots-clésVoltageCapacitorVoltElectrical engineeringControl theory (sociology)Voltage regulationAC powerLow voltageBenchmark (surveying)Quadrant (abdomen)Automotive engineeringEngineeringComputer scienceControl (management)

Résumé

récupéré en direct d'OpenAlex

With the increased penetration of electric vehicle (EV) chargers in distribution systems, there is a need to understand and minimize their impact on medium-voltage (MV) and low-voltage (LV) networks. Thus, this paper proposes a three-stage algorithm to coordinate the operation of four-quadrant EV chargers with other volt/var control devices in MV and LV distribution feeders. The first stage operates on a day-ahead basis and defines the load tap changer and capacitor schedules while minimizing the peak load associated with EVs in the distribution system. The second and third stages update their operation every five minutes, to fairly allocate the aggregated and individual EV loads in the MV an LV feeders, respectively, while minimizing active power losses and voltage deviations. The proposed technique is applied to CIGRE's North-American MV and LV benchmark systems to demonstrate its ability to properly allocate EV loads, and improve distribution system performance in terms of losses and voltage deviations.

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)0,001
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 enseignants0,007
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,011
Tête enseignante GPT0,194
Écart entre enseignants0,183 · 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

Citations41
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Smart GridMême sujetElectric Vehicles and InfrastructureTravaux en français237 207