MétaCan
Menu
Retour à la cohorte
Enregistrement W3004313315 · doi:10.1109/pesgm40551.2019.8973753

Distributionally Robust Chance-Constrained Energy Management for Islanded Microgrids

2019· article· en· W3004313315 sur OpenAlexaff
Zhichao Shi, Hao Liang, Shengjun Huang, Venkata Dinavahi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMicrogridMathematical optimizationComputer scienceRobust optimizationWind powerSmart gridEnergy managementMoment (physics)Renewable energyAmbiguityDistributed generationGridEnergy storagePower (physics)Energy (signal processing)EngineeringMathematicsControl (management)

Résumé

récupéré en direct d'OpenAlex

With the development of smart grid, energy management becomes critical for reliable and efficient operation of power systems. In this work, we develop a chance-constrained (CC) energy management model for an islanded microgrid which includes distributed generators (DGs), energy storage system (ESS), and renewable generation such as wind power. The objective function of this model consists of generation cost, emission cost and ESS degradation cost. To capture the uncertainty of renewable generation, a novel ambiguity set is introduced without knowing its probability distribution or exact moment information. Based on the ambiguity set, the chance constraint can be processed with distributionally robust optimization (DRO) method and the energy management problem is reformulated as a tractable second-order conic programming (SOCP) problem. The proposed approach is tested with a case study and simulation results indicate that it is effective and reliable. Moreover, the comparison with the method based on known moment information and some other methods is also conducted to show the performance of the proposed method.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,953
Score d'incertitude au seuil0,726

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)0,0000,000

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 Opus0,005
Tête enseignante GPT0,169
Écart entre enseignants0,163 · 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'étudeSans objet
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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSmart Grid Energy ManagementTravaux en français237 207