MétaCan
Menu
Retour à la cohorte
Enregistrement W2995457065 · doi:10.1049/iet-gtd.2018.6071

Reliability evaluation of power system considering wind generators coordinated with multi‐energy storage systems

2019· article· en· W2995457065 sur OpenAlexaff
Ungjin Oh, Yeonchan Lee, Jaeseok Choi, Rajesh Karki

Notice bibliographique

RevueIET Generation Transmission & Distribution · 2019
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Reliability and Maintenance
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesMinistry of Trade, Industry and Energy
Mots-clésReliability (semiconductor)Reliability engineeringWind powerElectric power systemEnergy storageComputer scienceComputer data storagePower (physics)Automotive engineeringElectrical engineeringEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

This study proposes a new methodology for a probabilistic power system reliability evaluation using a Monte Carlo simulation in case of multi‐energy storage system (ESS) installed at wind farms. A large‐scale wind turbine generator (WTG) creates significant power fluctuations and effect the stability, frequency control, and then reliability of the power system. A high penetration of wind farms can result in unacceptable variations in the frequency and voltage in the power system. The significant power fluctuation impact of the WTG can, however, be reduced by installing an ESS. The proposed model can facilitate the reliability analysis and evaluation in a viewpoint of the contribution of each ESS installed at multiple wind farms integrated to a power system. The proposed method can also be used to assess the reasonable capacity of an ESS in the power system from a sensitivity analysis. A case study is demonstrated for the proposed model and methodology using a power system with similar size to the one in Jeju Island, South Korea.

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)0,003
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 enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,013
Tête enseignante GPT0,212
Écart entre enseignants0,199 · 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

Citations32
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET Generation Transmission & DistributionMême sujetPower System Reliability and MaintenanceTravaux en français237 207