Optimal Asset Expansion in Distribution Networks Considering Battery Nonlinear Characteristics Expansion optimale des actifs dans les réseaux de distribution en tenant compte des caractéristiques non linéaires des batteries
Notice bibliographique
Résumé
Asset expansion planning in distribution systems is vital and should be extended to consider utility-scale energy storage systems such as batteries. Unlike other assets, usage parameters such as number of storage cycles and depth of discharge (DOD) have a dramatic nonlinear effect on the lifetime of battery energy storage systems (BESSs). Hence, it is imperative to include the relationship between lifetime, number of storage cycles, and DOD of BESS in the optimal asset planning formulation. This paper presents a new formulation and solution for the optimization problem of asset expansion planning in power distribution systems. The research considers adding new BESS units to existing distribution grids. The nonlinear life-cycling-usage relationship of BESS has been modeled for the first time in the context of asset expansion planning in power systems. The formulation aims at minimizing the annualized cost of the expansion plan while satisfying forecasted demand and other distribution system requirements. The methodology is used to optimally plan for the expansion of 6-bus and 33-bus distribution networks. The results show the effect of considering the life-cycling-usage relationship of BESS on optimal asset expansion plans including the optimal size and capacity of the assets. In addition, the impact of the ratio of off-peak load to peak load on total asset cost is analyzed and reported. It is shown that an annual cost saving of 51.79% is possible via the proposed approach. Findings of this paper will capture the attention of planning and asset management departments of electric distribution utilities.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».