MétaCan
Menu
Retour à la cohorte
Enregistrement W3189339507 · doi:10.1109/pedg51384.2021.9494221

Frequency Regulation by Distributed Energy Resource Inverters Based on Parabolic Droop Curve

2021· article· en· W3189339507 sur OpenAlexaff
Shuang Xu, Bo Cao, Hassan Hassan, Guanhong Song, Liuchen Chang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensEnergie NB Power (Canada)University of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésVoltage droopFrequency deviationAutomatic frequency controlDistributed generationRenewable energyFrequency gridGridComputer scienceControl theory (sociology)Electrical engineeringEngineeringMathematicsControl (management)VoltageVoltage source

Résumé

récupéré en direct d'OpenAlex

In the last few decades, distributed energy resources (DERs) based on renewables have experienced rapid growth due to the abundance and low emissions of renewable energy. As the role of these renewable DERs grows in power systems, the grid frequency characteristic becomes softer due to the reduced system inertia. Standards and international grid codes have been issued for grid interconnection of DER inverters with frequency regulation capability, which expects DER system to regulate the grid frequency by adjusting the active power injected into the grid. Therefore, the renewable DERs should not operate at maximum power point so it can increase or reduce power output according to the set slope to participate in frequency regulation. Traditional frequency droop control methods adjust the target power at the same rate no matter the frequency deviation is large or small, which does not fully utilize the rapid response of power electronic converters in DERs. This paper proposed a new frequency regulation method based on a parabolic droop curve, which makes better use of the rapidity and flexibility of DER inverters by restoring the frequency slower when the frequency deviation is small and restoring the frequency faster when the frequency deviation is large.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,992
Score d'incertitude au seuil0,476

Scores Codex et Gemma par catégorie

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

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 GPT0,160
Écart entre enseignants0,157 · 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 tête enseignante, 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrogrid Control and OptimizationTravaux en français237 207