MétaCan
Menu
Retour à la cohorte
Enregistrement W4206166636 · doi:10.1109/ias48185.2021.9677306

Employing Battery Storage Systems to Improve Power System Survivability

2021· article· en· W4206166636 sur OpenAlexaff
M. R. A. Chowdhury, S. A. Saleh, O. Betancourt, Julián Cárdenas-Barrera, Eduardo Castillo-Guerra

Notice bibliographique

Revue2021 IEEE Industry Applications Society Annual Meeting (IAS) · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésSurvivabilityReliability engineeringElectric power systemPower (physics)Computer scienceBattery (electricity)Boundary (topology)Engineering

Résumé

récupéré en direct d'OpenAlex

This paper presents the employment of battery storage systems (BSSs) to improve power system survivability. This application of BSSs is based on setting BSS charging/discharging as responses to integrating distributed generation units and/or adjusting load demands (load-side activities). The improvement of power system survivability is quantified by the survivability index Γ, which can exceed its boundary values due to load-side activities. The improvement of power system survivability is achieved by maintaining Γ within its boundary values post a load-side activity. The proposed approach to improve power system survivability is implemented and tested for the Barbados power system. Tests are conducted for integrating solar power generation units, and implementing demand response. Test results show that accurate BSS charging/discharging can maintain the index Γ within its boundary values post load-side activities.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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: Empirique
Score de désaccord entre enseignants0,494
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,007
Tête enseignante GPT0,211
Écart entre enseignants0,205 · 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.

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

Citations4
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