MétaCan
Menu
Retour à la cohorte
Enregistrement W4236343770 · doi:10.32920/ryerson.14663373

Techno-economic models for integration of wind energy.

2021· preprint· en· W4236343770 sur OpenAlexaboutno aff
Chandrabhanu Opathella Ganehi Kankanamalage

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueElectric Power System Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWind powerProbabilistic logicWind speedElectric power systemComputer scienceInduction generatorElectricity generationControl theory (sociology)Power (physics)EngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

This thesis focuses on three specific areas of integrating wind energy with power systems: 1) technical modeling of wind generators for power flow analysis, 2) probabilistic modeling of wind generators for planning studies, and 3) economic modeling for integration of wind energy in electricity markets. Wind generator output is a function of wind speed and 3-phase terminal voltages. Complete nonlinear three-phase models of wind generators are accurate but are computationally cumbersome and unsuitable for power flow analysis purposes. Intelligent models of wind generators are proposed for their accurate representation and use in power flow analysis algorithms. The main advantages of these intelligent models of wind generators are their mathematical simplicity, computational speed and numerical accuracy when the generators are connected to unbalanced three-phase distribution systems. These proposed intelligent models of wind generators were tested with the three-phase, unbalanced, IEEE 37-bus test system. The results show that the intelligent models of wind generators are computationally ten times faster than exact nonlinear models. In addition, simplicity of the proposed intelligent models of wind generators allows easy integration into commercial software such as PSS®E and PSS®SINCAL. In the second study, a probabilistic model of wind generators was integrated with algorithm for distribution system analysis. The proposed probabilistic power flow analysis method for distribution systems takes into account the stochastic nature of wind generation and forecasted bus-wise peak load. Probability distribution functions for bus voltages are reconstructed. The proposed method is tested on a modified 70-bus distribution system and the results are reported. Thirdly, an economic integration model for wind generators with electricity markets is proposed. The proposed model is in the form of a Wind Generators Cooperative (WGC). This proposed model overcomes challenges posed by uncertainty and intermittency of wind generation. The proposed cooperative model maximizes returns for wind generators by minimizing the effect of uncertainty by smoothing effect and using pumped-hydro facilities. A case study with actual data from Ontario (Canada) was completed. Analyses clearly demonstrate that the WGC increases returns to wind generators and reduces their exposure to uncertainty.

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 enseignants0,959
Score d'incertitude au seuil0,729

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 Opus0,012
Tête enseignante GPT0,205
Écart entre enseignants0,193 · 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 sujetElectric Power System OptimizationTravaux en français237 207