MétaCan
Menu
Retour à la cohorte
Enregistrement W4206037113 · doi:10.1109/ias48185.2021.9677046

Microgrid Formation and Service Restoration in Distribution Systems: a Review

2021· review· en· W4206037113 sur OpenAlexaff
Xiaodong Liang, Md Abu Saaklayen, Mosayeb Afshari Igder, Shah Mohammad Rezwanul Haque Shawon, S.O. Faried

Notice bibliographique

Revue2021 IEEE Industry Applications Society Annual Meeting (IAS) · 2021
Typereview
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésMicrogridRenewable energyElectric power systemComputer scienceReliability engineeringReliability (semiconductor)Distributed generationIT service continuitySingle point of failureInterconnectionService (business)Systems engineeringDistributed computingEngineeringPower (physics)TelecommunicationsElectrical engineeringComputer networkBusiness

Résumé

récupéré en direct d'OpenAlex

Due to increasing penetration of renewable energy sources, microgrids with the self-adequacy feature becomes a promising platform in distribution systems to interconnect geographically closed distributed generation (DG) units and load, which enables faster service restoration during disturbances and natural disasters, and offers improved system reliability. In this paper, an extensive literature review is conducted for optimal planning of microgrids during system planning stage, and microgrid formation during system operation stage in active distribution systems to achieve improved system performance and enhanced service restoration. In addition, the soft open point as an emerging power electronic device in distribution systems by connecting feeders or networked microgrids is reviewed, which can be used in system restoration. The future research directions in these important areas are recommended in the paper.

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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,020
Tête enseignante GPT0,271
Écart entre enseignants0,252 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2021 IEEE Industry Applications Society Annual Meeting (IAS)Même sujetMicrogrid Control and OptimizationTravaux en français237 207