MétaCan
Menu
Retour à la cohorte
Enregistrement W4200312378 · doi:10.18280/mmep.080604

Modelling and Analysis of Solar and Wind System Adequacy Assessment and Cost Optimization

2021· article· en· W4200312378 sur OpenAlexvenueno aff
S. Vinoth John Prakash, P.K. Dhal

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2021
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Reliability and Maintenance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReliability engineeringReliability (semiconductor)Wind speedEngineeringMeteorologyComputer scienceEnvironmental science

Résumé

récupéré en direct d'OpenAlex

The output of wind and the solar system is not constant; it is difficult to access the adequacy of the system. The Generation model is developed for 240 MW of different generation units in the Roy Billinton Test System (RBTS). Then a multi-state wind and solar generation model is developed based on different solar radiation and wind speed to evaluate the probability of the states. In this work, the wind and solar systems are studies for separate locations with each consist of 8 MW, 18 MW, 28 MW, and 38 MW generation capacities. This wind and solar generation model are applied to Roy Billinton Test System (RBTS) to evaluate the reliability indices like Loss of Load Expectation (LOLE). Based on the development of the MATLAB program for determining reliability indices, the capacity outage probability is developed for multiple solar and wind states. Based on standard load forecasting and the Time Series Load forecasting technique, the reliability of the system is analyzed. The results reveal the variation of risk indices in the system when additional generators are incorporated into the RBTS generation system. The cost optimization for Solar and Wind system were conducted using HOMER software to obtain the levelized cost of the proposed system.

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)0,001
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 enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
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 Opus0,018
Tête enseignante GPT0,213
Écart entre enseignants0,194 · 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetPower System Reliability and MaintenanceTravaux en français237 207