MétaCan
Menu
Retour à la cohorte
Enregistrement W4234535881 · doi:10.32920/ryerson.14665608

Load balancing for smart grid: centralized and distributed approaches

2021· preprint· en· W4234535881 sur OpenAlexaff
Mushu Li

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésLoad balancing (electrical power)Smart gridComputer scienceDistributed computingGridScheduling (production processes)Electric power systemDistributed generationLoad managementJacobian matrix and determinantDemand responseElectric powerPower (physics)Mathematical optimizationElectrical engineeringElectricityEngineeringRenewable energyMathematics

Résumé

récupéré en direct d'OpenAlex

As one of the greatest concerns in the context of smart grid, the load balancing problem is addressed by improving the electrical power efficiency and stability via scheduling power loads, thereby shaping the power demand into the desired pattern. The research explores the load balancing strategies to reduce the demand fluctuations in the smart grid systems. Centralized and decentralized load balancing methodologies are discussed. For centralized approaches, offline and online exact power allocation methods are investigated by utilizing the geometric water-filling (GWF) approach. Furthermore, decentralized load balancing problem is discussed at power distribution sub-network level. Electrical vehicle (EV) fleeting among the neighbouring charging stations is considered. Load balancing for the whole grid is achieved by local optimization processes via Proximal Jacobian Alternating Direction Method of Multipliers (ADMM) technique. Overall, facilitated by our proposed strategies, the reliability of the electric grid can be enhanced.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,895
Score d'incertitude au seuil0,830

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 Opus0,017
Tête enseignante GPT0,190
Écart entre enseignants0,173 · 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
GenreMéthodes

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

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrogrid Control and OptimizationTravaux en français237 207