MétaCan
Menu
Retour à la cohorte
Enregistrement W3046493594 · doi:10.1109/isie45063.2020.9152455

Multi-agent Control Strategy for Microgrids using Petri Nets

2020· article· en· W3046493594 sur OpenAlexaff
Harold R. Chamorro, Camilo Pazmino, David Paez, Fernando Jiménez, Josep M. Guerrero, Vijay K. Sood, Wilmar Martínez

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésMicrogridPetri netComputer scienceBattery (electricity)Energy storageLayer (electronics)GridControl (management)Distributed computingControl engineeringPower (physics)Engineering

Résumé

récupéré en direct d'OpenAlex

Smart Microgrids require innovative methods to provide decentralized multi-layer autonomous control in order to activate their elements to operate efficiently. This paper presents a coordinated control scheme based on multi-agent systems to improve the operation of a microgrid (MG) through Petri Nets (PNs). Two control layers are proposed: in the lower control layer, the switching of loads, storage devices, and distributed generation devices (DGs) are implemented; while in the upper layer, the coordinating agents consider the demand response and price dynamics in order to optimize the operation of the system. The MG includes photo-voltaic (PV) generation, wind power, and a battery storage system. Furthermore, the studied system has two MGs, connected through a DC bus linked to the grid. The coordinating system considers the operation of DGs, the charge and discharge of storage devices, the critical loads, under optimization criteria using energy prices. Switching controls for DG devices and loads are handled as discrete events and will be modeled using PNs.

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: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,950
Score d'incertitude au seuil0,480

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 Opus0,040
Tête enseignante GPT0,239
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 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrogrid Control and OptimizationTravaux en français237 207