MétaCan
Menu
Retour à la cohorte
Enregistrement W4254859878 · doi:10.1002/9781119422099.ch9

Control Architecture of Resilient Interconnected Microgrids (RIMGs) For Railway Infrastructures

2017· other· en· W4254859878 sur OpenAlexaff
Hossam A. Gabbar, Mohamed I. A. Othman, Kartikey Singh

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésMicrogridEnergy storageController (irrigation)ArchitectureDistributed generationGridFlywheelComputer scienceEngineeringPower (physics)Control engineeringDistributed computingReliability engineeringAutomotive engineeringRenewable energyElectrical engineering

Résumé

récupéré en direct d'OpenAlex

This chapter aims at designing Resilient Interconnected Microgrids (RIMGs) for railway infrastructures to achieve economical and high-performance energy supply. The proposed RIMGs include AC/DC Distributed Generation (DG) technologies as well as advanced energy storage, which is Flywheel Energy Storage Platform (FESP). FESP will provide dynamic energy storage to balance railway loads and generation capacities from RIMGs and the grid to achieve high performance and economical operation. Microgrid Supervisory Controller (MGSC) is proposed to effectively manage the power flow and to determine the most suitable energy sources in view of the railway demands within each MG and will be able to coordinate with other MGSCs for linked MGs, as well as to interact with the central controller. The proposed control architecture will enable the optimization of power supply cost to the train, as well as between MGs and the utility grid. The proposed solution has been demonstrated using simulation and real data, where the achieved results confirm the effectiveness of the proposed control architecture in terms of cost and performance.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,487
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0010,000

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 Opus0,003
Tête enseignante GPT0,195
Écart entre enseignants0,192 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrogrid Control and OptimizationTravaux en français237 207