MétaCan
Menu
Retour à la cohorte
Enregistrement W2979431759 · doi:10.1109/ccece.2019.8861590

Flexible Robust Unit Commitment Considering Sub-hourly Wind Power Ramp Behaviors

2019· article· en· W2979431759 sur OpenAlexaff
Bo Hu, Yuzhong Gong, C. Y. Chung

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Power System Optimization
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésPower system simulationWind powerUnit (ring theory)Power (physics)Control theory (sociology)Wind power forecastingComputer scienceMarine engineeringEnvironmental scienceElectric power systemMeteorologyElectrical engineeringEngineeringPhysicsPsychologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The focus of existing studies on day ahead unit commitment (DAUC) considering wind power have mainly been on the hourly operation constraints. However, if the sub-hourly wind power variations are not carefully considered, the obtained unit commitment (UC) solutions may not be flexible enough to accommodate the sub-hourly wind variations and results in wind curtailments. To ensure the full utilization of wind power, in this paper a robust optimization-based UC model considering sub-hourly wind power variation is proposed. The objective is to provide a flexible and robust UC solution for the thermal units, which ensures sufficient ramp up and ramp down reserves for the variations of wind power in the intra-hour time frame. Firstly, a non-parametric approach based on the 2-dimensional kernel density estimation is proposed to quantify the sub-hourly wind power variability. Then, based on the quantification results, a set of ramp constraints are imposed on the robust UC model. A column and constraint generation method is applied to solve the improved UC model. The proposed model is tested and compared with conventional UC models on IEEE 39 bus test system to verify its effectiveness.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,579
Score d'incertitude au seuil0,946

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,207
Écart entre enseignants0,194 · 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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectric Power System OptimizationTravaux en français237 207