A Generic Convex Model for a Chance-Constrained Look-Ahead Economic Dispatch Problem Incorporating an Efficient Wind Power Distribution Modeling
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Power systems with high penetration of wind resources must cope with significant uncertainties originated from wind power prediction error. This uncertainty might lead to wind power curtailment and load shedding events in the system as a big challenge. Efficient modeling and incorporation of wind power uncertainty in generation and reserve scheduling can prevent these events. This paper presents a new framework for wind power cumulative distribution function (CDF) modeling and its incorporation in a new chance-constrained economic dispatch (CCED) problem. The proposed CDF modeling uses few moments of wind power random samples. To validly capture the actual features of the wind power distribution such as main mass, high skewness, tails, and especially boundaries from the moments, an efficient moment problem is presented and solved using the beta kernel density representation (BKDR) technique. Importantly, a new polynomial cost function for efficient modeling of wind power misestimation costs is proposed for the CCED problem that eliminates the need for an analytical CDF and enables the use of an accurate piecewise linearization technique. Using this technique, the non-linear CCED problem is converted to a mixed-integer linear programming (MILP)-based problem that is convex with respect to the continuous variables of the problem. Therefore, it is solved via off-the-shelf mathematical programming solvers to reach more optimal results. Numerical simulations using the IEEE 118-bus test system show that compared with conventional approaches, the proposed MILP-based model leads to lower power system total cost, and thereby is suggested for practical applications.
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.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle