MétaCan
Menu
Retour à la cohorte
Enregistrement W2917258713 · doi:10.1109/tpwrs.2019.2901705

Compressed Air Energy Storage System Modeling for Power System Studies

2019· article· en· W2917258713 sur OpenAlexafffund
Ivan Calero, Claudio A. Cañizares, Kankar Bhattacharya

Notice bibliographique

RevueIEEE Transactions on Power Systems · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Centres of Excellence
Mots-clésCompressed air energy storageElectric power systemEnergy storageWind powerCompressed airEngineeringRenewable energyGas compressorPermanent magnet synchronous generatorPower (physics)Control theory (sociology)Automotive engineeringControl engineeringComputer scienceElectrical engineeringMechanical engineeringVoltage

Résumé

récupéré en direct d'OpenAlex

In this paper, a detailed mathematical model of the diabatic compressed air energy storage (CAES) system and a simplified version are proposed, considering independent generators/motors as interfaces with the grid. The models can be used for power system steady-state and dynamic analyses. The models include those of the compressor, synchronous motor, cavern, turbine, synchronous generator, and associated controls. The configuration and parameters of the proposed models are based on the existing bulk CAES facilities of Huntorf, Germany. The models and performance of the CAES system are first evaluated with step responses, and then examined when providing frequency regulation in a test power system with high penetration of wind generation, comparing them with existing models of CAES systems. The simulation results confirm that the dynamic responses of the detailed and simplified CAES models are similar, and demonstrate that the simultaneous charging and discharging can significantly contribute to reduce the frequency deviation of the system from the variability of the wind farm power.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,011
Tête enseignante GPT0,201
Écart entre enseignants0,190 · 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

Citations68
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power SystemsMême sujetMicrogrid Control and OptimizationTravaux en français237 207