MétaCan
Menu
Retour à la cohorte
Enregistrement W2807828564 · doi:10.3934/energy.2018.3.505

Bulk system reliability impacts of forced wind energy curtailment

2018· article· en· W2807828564 sur OpenAlexaff
Malhar Padhee, Rajesh Karki

Notice bibliographique

RevueAIMS energy · 2018
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Reliability and Maintenance
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésWind powerReliability (semiconductor)Wind speedElectric power systemReliability engineeringSpillageEnvironmental scienceMarine engineeringAutomotive engineeringEngineeringComputer scienceMeteorologyPower (physics)Electrical engineering

Résumé

récupéré en direct d'OpenAlex

With rapid growth of wind power in power systems, it becomes important to accurately model the behavior of wind, its interaction with conventional sources and also with other wind resources in order to conduct a realistic assessment of system reliability and benefits from wind energy utilization. At low wind penetration levels, all the wind energy generated is utilized to serve the load. However, at higher penetration levels, wind energy is spilled due to limitations in the ramping capability of the scheduled generating units and transfer capability of transmission lines. The benefits from wind energy are reduced as its spillage increases. Hence, accurate wind models should be developed to include forced wind energy curtailment in the reliability modelling, considering factors such as the system load level, unit dispatch order, ramp rates of the generating units and wind profile diversity between multiple wind farms. A new technique is proposed in this paper to create a comprehensive wind absorption capability model, and embed it in the composite generation and transmission system reliability model. The presented methodology to evaluate bulk system adequacy and wind energy benefits considering wind curtailment due to both the generation and transmission constraints is illustrated on an example 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 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: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

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 technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,004
Tête enseignante GPT0,184
Écart entre enseignants0,180 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIMS energyMême sujetPower System Reliability and MaintenanceTravaux en français237 207