MétaCan
Menu
Retour à la cohorte
Enregistrement W3174987144 · doi:10.3390/su13137119

Risk-Averse Scheduling of Combined Heat and Power-Based Microgrids in Presence of Uncertain Distributed Energy Resources

2021· article· en· W3174987144 sur OpenAlexaff
Abbas Rabiee, Ali Abdali, Seyed Masoud Mohseni‐Bonab, Mohsen Hazrati

Notice bibliographique

RevueSustainability · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensHydro-Québec
Organismes subventionnairesnon disponible
Mots-clésMicrogridDistributed generationDemand responseThermal energy storageEnergy storageElectricityWind powerComputer scienceScheduling (production processes)Profit (economics)Renewable energyAutomotive engineeringEnvironmental economicsEngineeringEconomicsMicroeconomicsOperations managementElectrical engineeringPower (physics)

Résumé

récupéré en direct d'OpenAlex

In this paper, a robust scheduling model is proposed for combined heat and power (CHP)-based microgrids using information gap decision theory (IGDT). The microgrid under study consists of conventional power generation as well as boiler units, fuel cells, CHPs, wind turbines, solar PVs, heat storage units, and battery energy storage systems (BESS) as the set of distributed energy resources (DERs). Additionally, a demand response program (DRP) model is considered which has a successful performance in the microgrid hourly scheduling. One of the goals of CHP-based microgrid scheduling is to provide both thermal and electrical energy demands of the consumers. Additionally, the other objective is to benefit from the revenues obtained by selling the surplus electricity to the main grid during the high energy price intervals or purchasing it from the grid when the price of electricity is low at the electric market. Hence, in this paper, a robust scheduling approach is developed with the aim of maximizing the total profit of different energy suppliers in the entire scheduling horizon. The employed IGDT technique aims to handle the impact of uncertainties in the power output of wind and solar PV units on the overall profit.

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)0,001
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: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,003
Tête enseignante GPT0,195
Écart entre enseignants0,192 · 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

Citations19
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetMicrogrid Control and OptimizationTravaux en français237 207