MétaCan
Menu
Retour à la cohorte
Enregistrement W2979426993 · doi:10.1049/iet-rpg.2019.0583

Optimal scheduling of bidirectional energy conversion units in energy and ancillary service markets for system restoration within MCESs

2019· article· en· W2979426993 sur OpenAlexaff
M. Zaki El-Sharafy, Abdullah Al-Obaidi, Nader A. El-Taweel, Hany E. Z. Farag

Notice bibliographique

RevueIET Renewable Power Generation · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésScheduling (production processes)Computer scienceEnergy (signal processing)Operations researchDistributed computingMathematical optimizationEngineeringPhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

Multi‐carrier energy systems (MCESs) can be formed by the integration of various energy infrastructures including power and natural gas systems. The proliferation of bidirectional energy conversion units in an MCES can set the stage for a more resilient and robust system. This study shows how bidirectional energy conversion units and storage devices can be optimally scheduled within an MCES for provision of various regulation services to the grid operator. To that end, a new model is proposed for optimal scheduling of power‐to‐gas (PtG), gas‐fired generation, and gas storage units in an MCES. The model aims to facilitate integration of renewables, utilise gas, and power price arbitrage, provide regulation services to the real‐time (RT) market, and contribute to the system restoration. New indices that quantify the contribution of the MCES operator to RT and ancillary service markets are proposed. The proposed model is validated technically and economically by using a test system historical operating data. Numerical results demonstrate that while the proposed model is technically feasible, it also enhances the economic viability of the grid operator.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,013
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,012
Tête enseignante GPT0,190
Écart entre enseignants0,178 · 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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET Renewable Power GenerationMême sujetSmart Grid Energy ManagementTravaux en français237 207