MétaCan
Menu
Retour à la cohorte
Enregistrement W2887967389 · doi:10.1049/iet-gtd.2018.5943

Two‐stage stochastic demand response in smart grid considering random appliance usage patterns

2018· article· en· W2887967389 sur OpenAlexafffund
Yue Wang, Hao Liang, Venkata Dinavahi

Notice bibliographique

RevueIET Generation Transmission & Distribution · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaChina Scholarship Council
Mots-clésSmart gridStage (stratigraphy)Computer scienceDemand responseGridMathematical optimizationMathematicsGeologyEngineeringElectrical engineeringElectricity

Résumé

récupéré en direct d'OpenAlex

By effectively adjusting the appliance usage patterns of customers, demand response (DR) is expected to bring significant economic and environmental benefits to the future smart grid. Two kinds of appliances should be considered for DR, i.e. shiftable appliances such as dishwashers and laundry machines, and non‐shiftable appliances such as lights and stoves. Although the shiftable appliances can be well controlled by energy management systems, the random usage patterns of non‐shiftable appliances will result in uncertainties to electrical demands and thus, affect the efficiency and reliability of smart grid operation. A two‐stage stochastic programming problem is formulated, for which the distribution system operation cost is minimised in the first stage, by considering various distribution system operation constraints. The scheduling of shiftable appliances is optimised in the second stage, by considering the random usage patterns of non‐shiftable appliances. To reduce the computational complexity caused by a large number of home appliances in distribution systems, scenario reduction technique is applied to reduce the number of possible scenarios while still retaining the essential features of the original scenario set. Extensive simulations are performed to evaluate the proposed DR scheme in IEEE 33‐bus and 119‐bus test distribution systems based on real appliance usage pattern data.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,610
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,017
Tête enseignante GPT0,240
Écart entre enseignants0,223 · 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'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

Citations30
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIET Generation Transmission & DistributionMême sujetSmart Grid Energy ManagementTravaux en français237 207