MétaCan
Menu
Retour à la cohorte
Enregistrement W3111303334 · doi:10.1049/gtd2.12010

Optimal tie‐line and battery sizing for remote provisional microgrids

2020· article· en· W3111303334 sur OpenAlexaff
Tarek Medalel Masaud, Ehab F. El‐Saadany

Notice bibliographique

RevueIET Generation Transmission & Distribution · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésSizingBattery (electricity)Tie lineLine (geometry)Computer scienceReliability engineeringElectrical engineeringEngineeringElectric power systemMathematicsPower (physics)ChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Unlike traditional microgrids, Provisional Microgrid (PMG) utilizes only renewable generation and small energy storage units; thus, it does not have an inherent self‐islanding capability and instead, relies on importing power from any coupled microgrid (CMG) for islanding purposes. Therefore, assuring adequate power sharing between interconnected provisional and coupled MGs is crucial for assuring self‐islanding capability and reliable operation. The optimal power that can be transferred between the coupled MG and the PMG is mainly restricted by the size of the interconnecting tie‐line; hence, determining the tie‐line optimal size becomes a crucial task that must be tackled. Furthermore, the amount of power transferred is significantly influenced by the flexibility level of each microgrid. Since battery storage systems (BSS) is the main source of flexibility in PMGs, it becomes also vital to obtain the optimal size of the BSS for planning islanded PMG system. This paper presents an optimization model to jointly determine the optimal size of the BSS in each MG and the tie‐line size to assure optimal power sharing and minimum system cost (tie‐line investment cost, BSS investment cost, and interconnected system’s operation cost). Numerical results demonstrate the effectiveness of the proposed model.

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: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,012

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 savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,017
Tête enseignante GPT0,211
Écart entre enseignants0,195 · 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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET Generation Transmission & DistributionMême sujetMicrogrid Control and OptimizationTravaux en français237 207