MétaCan
Menu
Retour à la cohorte
Enregistrement W3136875321 · doi:10.1109/tpwrs.2021.3067445

Examining the Economic Optimality of Automatic Generation Control

2021· article· en· W3136875321 sur OpenAlexaff
Stefanos Baros, Yu Christine Chen, Sairaj V. Dhople

Notice bibliographique

RevueIEEE Transactions on Power Systems · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueFrequency Control in Power Systems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Science Foundation of Sri LankaNational Renewable Energy LaboratoryU.S. Department of Energy
Mots-clésAutomatic Generation ControlEconomic dispatchContext (archaeology)Operating pointControl theory (sociology)Computer scienceGenerator (circuit theory)Controller (irrigation)Control (management)Control engineeringSteady state (chemistry)Tie linePoint (geometry)Electric power systemState (computer science)Electricity generationPower (physics)EngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

The automatic generation control (AGC) system is temporally situated between economic dispatch and synchronous generator dynamics, and its primary role is to regulate frequency within and tie-line flows between control areas. Given appropriate choice of participation factors (feed-forward controller gains that govern the disaggregation of the area-level power requirement to individual generators), the AGC can be engineered to nudge system dynamics toward a steady-state operating point corresponding to economic optimality. This paper establishes necessary and sufficient conditions under which a widely accepted choice of participation factors guarantees the alignment of steady-state synchronous generator outputs with a global minimum of a prototypical economic dispatch problem. In so doing, it resolves several ambiguities and formalizes technical assumptions governing the role of the standard AGC architecture in the context of economic dispatch and steady-state operation. Numerical case studies tailored to a modified version of the New England 39-bus 10-machine test system validate the theoretical results.

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)0,002
score de la tête « metaresearch » (Gemma)0,014
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,003
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,022
Tête enseignante GPT0,216
Écart entre enseignants0,194 · 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

Citations21
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power SystemsMême sujetFrequency Control in Power SystemsTravaux en français237 207