MétaCan
Menu
Retour à la cohorte
Enregistrement W3159761231 · doi:10.1109/tpwrs.2021.3074789

Gas Network's Impact on Power System Voltage Security

2021· article· en· W3159761231 sur OpenAlexaff
Abbas Rabiee, Innocent Kamwa, Andrew Keane, Alireza Soroudi

Notice bibliographique

RevueIEEE Transactions on Power Systems · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueIntegrated Energy Systems Optimization
Établissements canadiensUniversité Laval
Organismes subventionnairesScience Foundation Ireland
Mots-clésElectricityElectric power systemAC powerElectric power transmissionPipeline transportVoltagePower to gasElectricity generationElectric powerEngineeringComputer sciencePower (physics)Electrical engineeringMechanical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Due to the energy linkage between electricity and gas networks, assessing the voltage security of the electricity system without considering the practical constraints of both systems, may lead to unrealistic values of loading margins (LM). This work proposes a model for investigating the impact of gas networks on the voltage security of electric transmission networks. The overall objective is to maximize the LM of the electricity network while satisfying all relevant constraints in both gas and electricity networks such as hourly line pack of gas pipelines, reactive power capability limits of generators, and complementarity constraints representing the generators active/reactive power limits based on the capability curves, power flow equations at both current operation, and security limit points. Three (small, medium, and large) case studies are presented as the applications of the proposed model for LM maximization in power systems that are highly coupled with gas networks. The obtained results corroborate the impact of both gas and electrical networks operation constraints such as voltage and reactive power limits, nodal gas pressure limits, gas network loading as well as the line pack phenomenon of gas pipelines on the LM of power systems.

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)0,002
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: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,005
Tête enseignante GPT0,200
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

Citations17
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power SystemsMême sujetIntegrated Energy Systems OptimizationTravaux en français237 207