MétaCan
Menu
Retour à la cohorte
Enregistrement W2994112501 · doi:10.1109/tia.2019.2957432

Developing and Testing a Unit-Commitment-Based Controller of Bus-Split Aggregated Residential Electric Water Heaters

2019· article· en· W2994112501 sur OpenAlexafffund
S. A. Saleh, E. Ozkop, Eduardo Castillo-Guerra, Petrus Pijnenburg

Notice bibliographique

RevueIEEE Transactions on Industry Applications · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésController (irrigation)Automotive engineeringPeak demandEngineeringComputer scienceSimulationControl theory (sociology)ElectricityControl (management)Electrical engineering

Résumé

récupéré en direct d'OpenAlex

This article develops and tests a controller for residential electric water heaters (EWHs). The developed controller is operated to maximize the energy stored in EWHs during off-peak-demand times, in order to reduce their power demands during peak-demand times. Desired control actions aim to adjust the minimum temperature settings of EWHs using the unit commitment (UC). In order to eliminate the need for a direct measurement of EWH power demands, the bus-split (BS) aggregation method is employed. The BS method is employed due to its ability to extract the power demands of an EWH from household power meter readings. The UC is formulated using the energy stored in a EWH as a cost function, which is to be maximized during the off-peak-demand time. The solution of the UC problem is obtained using the Lagrange relaxation method that can offer fast convergence and reduced computations. The BS-UC controller is implemented for performance testing using power meter readings that are collected from 150 residential households during the fall, winter, spring, and summer seasons. Test results demonstrate the ability of the BS-UC controller to provide accurate and effective control of EWHs, which are complimented by a minor sensitivity to the number controlled EWHs, hot water consumption, and seasonal variations in residential load power demands.

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: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,020
Tête enseignante GPT0,224
Écart entre enseignants0,205 · 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

Citations33
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industry ApplicationsMême sujetSmart Grid Energy ManagementTravaux en français237 207