MétaCan
Menu
Retour à la cohorte
Enregistrement W3128771903 · doi:10.48550/arxiv.2102.05156

An Online Network Model-Free Wide-Area Voltage Control Method Using PMUs

2021· preprint· en· W3128771903 sur OpenAlexaff
Georgia Pierrou, Xiaozhe Wang

Notice bibliographique

RevuearXiv (Cornell University) · 2021
Typepreprint
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPhasor measurement unitPhasorNetwork topologyUnits of measurementVoltageComputer scienceElectric power systemSensitivity (control systems)Process (computing)Transmission (telecommunications)AC powerPower (physics)Electronic engineeringTopology (electrical circuits)Control theory (sociology)EngineeringControl (management)Electrical engineeringComputer networkTelecommunications

Résumé

récupéré en direct d'OpenAlex

This paper proposes a novel online measurement-based Wide-Area Voltage Control (WAVC) method using Phasor Measurement Unit (PMU) data in power systems with Flexible AC Transmission System (FACTS) devices. As opposed to previous WAVC methods, the proposed WAVC does not require any model knowledge or the participation of all buses and considers both active and reactive power perturbations. Specifically, the proposed WAVC method exploits the regression theorem of the Ornstein-Uhlenbeck process to estimate the sensitivity matrices through PMU data online, which are further used to design and apply the voltage regulation by updating the reference points of FACTS devices. Numerical results on the IEEE 39- Bus and IEEE 68-Bus systems demonstrate that the proposed model-free WAVC can provide effective voltage control in various network topologies, different combinations of voltage-controlled and voltage-uncontrolled buses, under measurement noise, and in case of missing PMUs. Particularly, the proposed WAVC algorithm may outperform the model-based WAVC when an undetected topology change happens.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,868
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,088
Tête enseignante GPT0,206
Écart entre enseignants0,118 · 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.

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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetPower System Optimization and StabilityTravaux en français237 207