MétaCan
Menu
Retour à la cohorte
Enregistrement W2897163398 · doi:10.1109/sest.2018.8495749

Using a Cluster-Based Method for Controlling the Aggregated Power Consumption of Air Conditioners in a Demand-Side Management Program

2018· article· en· W2897163398 sur OpenAlexaff
Pegah Yazdkhasti, Suprio Ray, Chris Diduch, Liuchen Chang

Notice bibliographique

Revue2018 International Conference on Smart Energy Systems and Technologies (SEST) · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésThermostatAir conditioningIntermittencyComputer scienceCluster analysisAutomotive engineeringElectric power systemPower consumptionController (irrigation)Power (physics)Set (abstract data type)SimulationEnvironmental scienceEngineeringElectrical engineeringMechanical engineeringMeteorology

Résumé

récupéré en direct d'OpenAlex

Thermo-storage units such as air conditioners (AC) or space heaters offer significant potential for the demand-side regulation and balancing the consumption with the generation. This makes them attractive resources to mitigate the fluctuation and intermittency of the renewable resources, such as solar. This paper presents a control strategy to adjust the thermostat set points of the air conditioners in a way that the aggregated power consumptions of the ACs would follow a desired trajectory, while maintaining customers' comfort through the level of thermostat set points. We used a clustering technique over the time-series power consumptions of individual ACs to find similar patterns. Similar power profiles maybe indicative of similar room temperatures; and hence, adjusting the set point of similar ACs may better maintain customers comfort. Using a mathematical model for the air conditioners, a simulator was built to assess the performance of this controller in different scenarios where the effect of changes in the ambient temperature was also studied. Our results show that this system can follow the desired aggregated power within 10 minutes, which can be used for ancillary services, such as 10-minutes spinning reserve, in power electric systems.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,849
Score d'incertitude au seuil0,696

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,039
Tête enseignante GPT0,302
Écart entre enseignants0,263 · 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.

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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2018 International Conference on Smart Energy Systems and Technologies (SEST)Même sujetSmart Grid Energy ManagementTravaux en français237 207