Practical aspects and results - Providing secondary frequency regulation from a single Type 4 wind turbine and a battery storage system
Notice bibliographique
Résumé
Wind turbines and battery storage systems are both capable of providing several ancillary services to the grid. Despite several demonstration projects in existence, empirical data examining the real-world performance of such systems in providing ancillary services is limited. This work analyses empirical data to demonstrate how a commercial wind turbine plus battery storage system can be used to provide secondary frequency regulation. The system used consists of one 800 kW, IEC Type-4 wind turbine (full converter) and a 744 kWh lithium-ion battery storage system. We use historical AGC signals with a 2 s update interval in accordance with real-world conditions. The wind turbine is not curtailed and no wind forecast is used. We examine the performance of the battery separate from the combined system and in both cases the battery is the primary provider of AGC action and error correction. When operating with the wind turbine, the battery corrects for error between the estimated and measured wind turbine power in addition to the AGC bias value. We use performance scoring methods from the National Research Council, Canada and the Pennsylvania-Jersey-Maryland (PJM) system operator. We report PJM performance scores of 94% for the battery alone and 72% with the combined system. Using 2017 PJM market price data, we estimate an additional regulation market income of 12% over providing energy alone with the regulation bid magnitude tested.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».