Blockchain-Based Trustworthy Energy Dispatching Approach for High Renewable Energy Penetrated Power Systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Renewable energy sources (RES) and low-carbon technology users play a vital role in modern power systems. However, RES generation is easily affected by the environment. Meanwhile, the load, such as electric vehicles (EVs) and prosumers, accounts for most low-carbon technology users. Their power is usually superimposed on peak loads without dispatching, which also exacerbates the instability of the power system. Current optimal dispatching mechanisms mainly rely on centralized organizations, while their dispatching process is not open and transparent. In this article, we propose a blockchain-based trustworthy dispatching approach for the distribution network in high renewable energy penetrated power systems. We first develop an optimal dispatching model considering EVs’ charging behavior and the prosumers’ economic benefits. With the model, prosumers can be dispatched to balance power and consume renewable energy, reducing the impact of disorderly charging on the grid and the abandonment of RES generation. An orderly charging iteration optimization (OCIO) algorithm is proposed to implement orderly EV charging while considering the charging cost and the period. We also propose a modified particle swarm optimization (mPSO) algorithm to publish dispatching tasks based on real-time power balance. Furthermore, blockchain is applied as an open and transparent ledger to record each entity’s power generation and consumption information, ensuring that the dispatching process is trustworthy. Finally, the effectiveness of the dispatching approach is verified in the modified IEEE 33-bus test system and Ethereum-based smart contracts.
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.
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) | 0,001 | 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 découle