MétaCan
Menu
Retour à la cohorte
Enregistrement W2965242450 · doi:10.1109/access.2019.2932327

Adaptive Voltage-Based Load Shedding Scheme for the DC Microgrid

2019· article· en· W2965242450 sur OpenAlexafffund
Jafar Mohammadi, Firouz Badrkhani Ajaei

Notice bibliographique

RevueIEEE Access · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMicrogridLoad SheddingVoltageControl theory (sociology)Voltage dropPower (physics)Computer scienceElectric power systemEngineeringElectrical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

The direct current (DC) microgrid requires a fast load shedding scheme that prevents instability and voltage collapse when the distributed energy resources are unable to meet the power demand. The load shedding scheme is also expected to prevent unnecessary service interruptions caused by over-shedding of loads. This paper proposes an adaptive voltage-based load shedding scheme utilizing voltage thresholds that are automatically adjusted depending on the rate of change of locally measured bus voltages. The performance of the proposed load shedding scheme is investigated and compared with that of the conventional voltage-based load shedding scheme, using a realistic and detailed study system, under various disturbances. The comprehensive simulation studies that are conducted using the PSCAD software indicate that the adaptive load shedding scheme (i) effectively maintains the DC microgrid power balance through fast and coordinated load shedding, (ii) prevents the DC bus voltages from falling below acceptable levels, (iii) ensures that the critical loads do not experience excessive steady-state voltage deviations, (iv) minimizes the durations and magnitudes of the temporary voltage drop caused by sudden disturbances, and (v) improves power supply reliability.

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 enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,014
Tête enseignante GPT0,238
Écart entre enseignants0,224 · 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

Citations24
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetMicrogrid Control and OptimizationTravaux en français237 207