MétaCan
Menu
Retour à la cohorte
Enregistrement W2952405286 · doi:10.48550/arxiv.1906.08311

The Effect of the Uncertainty of Load and Renewable Generation on the Dynamic Voltage Stability Margin

2019· preprint· en· W2952405286 sur OpenAlexaff
Georgia Pierrou, Xiaozhe Wang

Notice bibliographique

RevuearXiv (Cornell University) · 2019
Typepreprint
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésRenewable energyMargin (machine learning)VoltageControl theory (sociology)Monte Carlo methodDynamic load testingComputer scienceStochastic differential equationStability (learning theory)Dynamic demandElectric power systemMathematical optimizationPower (physics)MathematicsEngineeringApplied mathematicsElectrical engineeringPhysicsStatistics

Résumé

récupéré en direct d'OpenAlex

In this paper, the impact of stochastic load and renewable generation uncertainty on the dynamic voltage stability margin is studied. Stochastic trajectories describing the uncertainty of load, wind and solar generation have been incorporated in the power system model as a set of Stochastic Differential-Algebraic Equations (SDAEs). A systematic study of Monte Carlo dynamic simulations on the IEEE 39-Bus system has been conducted to compute the stochastic load margin with all dynamic components active. Numerical results show that the uncertainty of both demand and generation may lead to a decrease on the size of the dynamic voltage stability margin, yet the variability of renewable generators may play a more significant role. Given that the integration of renewable energy will continue growing, it is of paramount importance to apply stochastic and dynamic approaches in the voltage stability study.

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 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 enseignants0,026
Score d'incertitude au seuil0,442

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 Opus0,024
Tête enseignante GPT0,161
Écart entre enseignants0,137 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetPower System Optimization and StabilityTravaux en français237 207