MétaCan
Menu
Retour à la cohorte
Enregistrement W3144138152 · doi:10.3390/en14071866

Laplacian Matrix-Based Power Flow Formulation for LVDC Grids with Radial and Meshed Configurations

2021· article· en· W3144138152 sur OpenAlexaff
Zahid Javid, Ulas Karaagac, Ilhan Koçar, Ka Wing Chan

Notice bibliographique

RevueEnergies · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueOptimal Power Flow Distribution
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésSolverUniquenessTopology (electrical circuits)Convergence (economics)Computer scienceMathematical optimizationApplied mathematicsMathematicsEngineeringElectrical engineeringMathematical analysis

Résumé

récupéré en direct d'OpenAlex

There is an increasing interest in low voltage direct current (LVDC) distribution grids due to advancements in power electronics enabling efficient and economical electrical networks in the DC paradigm. Power flow equations in LVDC grids are non-linear and non-convex due to the presence of constant power nodes. Depending on the implementation, power flow equations may lead to more than one solution and unrealistic solutions; therefore, the uniqueness of the solution should not be taken for granted. This paper proposes a new power flow solver based on a graph theory for LVDC grids having radial or meshed configurations. The solver provides a unique solution. Two test feeders composed of 33 nodes and 69 nodes are considered to validate the effectiveness of the proposed method. The proposed method is compared with a fixed-point methodology called direct load flow (DLF) having a mathematical formulation equivalent to a backward forward sweep (BFS) class of solvers in the case of radial distribution networks but that can handle meshed networks more easily thanks to the use of connectivity matrices. In addition, the convergence and uniqueness of the solution is demonstrated using a Banach fixed-point theorem. The performance of the proposed method is tested for different loading conditions. The results show that the proposed method is robust and has fast convergence characteristics even with high loading conditions. All simulations are carried out in MATLAB 2020b software.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0050,001

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 GPT0,207
Écart entre enseignants0,202 · 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

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetOptimal Power Flow DistributionTravaux en français237 207