Data-driven decision system for adaptive control of FACTS devices in the New York State grid
Notice bibliographique
Résumé
The combination of growth of electricity demand, restrictions on transmission system expansion, and grid security/reliability requirements gives the development and application of local controllers such as Flexible AC Transmission Systems (FACTS) devices, Power System stabilizers (PSS), and High Voltage Direct Current (HVDC) systems a high priority. In the last decades, significant number of these type of controllers have become fully operational to achieve different functionalities and improve the flexibility and controllability of the grid. However, design and application of a system-level controller that dynamically changes the set points of the local devices based on the grid conditions, still needs lots of nurturing. This paper concerns with the enhanced utilization of system-wide controllable resources in the New York State grid as the system conditions vary. To achieve the greatest benefit we propose a data-driven decision system for grid management, which offers the application of a wide-area system awareness platform for adaptive utilization of the system-wide controllable resources. The solution is broad in nature but as a starting point, in this paper, the attention is given to dynamically changing the set points of shunt-connected FACTS devices in order to minimize system violations following a major disturbance. The effectiveness of the proposed solution has been verified on a unique system that uses the real data of the New York State grid. All the optimizations are based on the NETSSWorks software (New Electricity Transmission Software Solutions Works) that is explained in the paper.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».