MétaCan
Menu
Retour à la cohorte
Enregistrement W2748391805 · doi:10.5772/intechopen.69399

Design of an Energy Management System for Secure Integration of Renewable Energy Sources into Microgrids

2017· book-chapter· en· W2748391805 sur OpenAlexaff
Luis I. Minchala, Youmin Zhang, Oliver Probst

Notice bibliographique

RevueInTech eBooks · 2017
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésRenewable energyEnergy managementEnergy (signal processing)Computer scienceBusinessEngineeringElectrical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

This chapter presents the design and development of an energy management system (EMS), which guarantees a secure operation of an islanded microgrid under possible imbalances between generation capacity and loads demand. The EMS performs an optimal calculation of low priority loads to be shed, as well as charging and discharging cycles of batteries within the microgrid. A nonlinear model‐predictive control (NMPC) algorithm is selected for implementing the EMS, which processes a data set composed of loads measurements, generation capacity, batteries state of charge (SOC), and a set of operation constraints. The EMS is designed under the assumption of having an advanced metering infrastructure (AMI) installed in the microgrid. The EMS is tested in a simulation platform that integrates models of the microgrid components, as well as their distributed controllers (DCs). Simulation results show the effectiveness of the proposed approach, since critical variables as the microgrid’s frequency and voltage magnitude operate within a secured interval even under the presence of faults in one of the DCs.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,780
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,010
Tête enseignante GPT0,193
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.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInTech eBooksMême sujetMicrogrid Control and OptimizationTravaux en français237 207