Volt-VAR Control Through Joint Optimization of Capacitor Bank Switching, Renewable Energy, and Home Appliances
Notice bibliographique
Résumé
Today, the evolution of smart grid, electric vehicles (EVs) with voltage to the grid mode, and deployment of renewable energy sources (RESs) are bringing revolutionary changes to the existing electrical grid. Volt-VAR optimization (VVO) is a well-studied problem, for bringing solutions to reduce the losses and demand along the distribution lines. The current VVO, however, does not acknowledge the role of elastic and inelastic loads, EVs, and RESs to reduce the reactive power losses and hence the cost of generation. We propose a mathematical model Volt-VAR and CVR optimization (VVCO)/optimal energy consumption model (OECM) to solve the VVO problem by considering load shifting, EV as the storage and carrier of the energy, and use of RES. The VVCO/OECM not only reduces the reactive load but also flatten the load curve to reduce the uncertainty in the generation and to decrease the cost. The system also considers the efficiency of the electrical equipment to enhance the lifetime of the devices. We develop a non-cooperative game to solve the VVCO/OECM problem. To evaluate the performance, we simulate the VVCO/OECM model and compare with the existing VVO solution. We found that our method took almost a constant time to produce a solution of VVO regardless of the size of the network. The proposed method also outperform the existing VVO solution by reducing the generation cost and flatten the load and minimizes the uncertainty in the power generation. Results have shown that exploiting RES will reduce the voltage drop through reducing the injection of reactive power to the system.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».