MétaCan
Menu
Retour à la cohorte
Enregistrement W4285089985 · doi:10.3390/technologies10040083

Demonstration of Resilient Microgrid with Real-Time Co-Simulation and Programmable Loads

2022· article· en· W4285089985 sur OpenAlexafffund
Hossam A. Gabbar, Yasser Elsayed, Manir U. Isham, Abdalrahman Elshora, Abu Bakar Siddique, Otavio Lopes Alves Esteves

Notice bibliographique

RevueTechnologies · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensOntario Tech University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Ontario Institute of Technology
Mots-clésMicrogridComputer scienceGridRenewable energyReliability engineeringController (irrigation)Embedded systemModular designAutomotive engineeringEngineeringElectrical engineeringOperating system

Résumé

récupéré en direct d'OpenAlex

In recent years, the foment for sustainable and reliable micro energy grid (MEG) systems has increased significantly, aiming mainly to reduce the dependency on fossil fuels, provide low-cost clean energy, lighten the burden, and increase the stability and reliability of the regional electrical grid by having interconnected and centralized clean energy sources, and ensure energy resilience for the population. A resilient energy system typically consists of a system able to control the energy flow effectively by backing up the intermittent output of renewable sources, reducing the effects of the peak demand on the grid side, considering the impact on dispatch and reliability, and providing resilient features to ensure minimum operation interruptions. This paper aims to demonstrate a real-time simulation of a microgrid capable of predicting and ensuring energy lines run correctly to prevent or shorten outages on the grid when it is subject to different disturbances by using energy management with a fail-safe operation and redundant control. In addition, it presents optimized energy solutions to enhance the situational awareness of energy grid operators based on a graphical and interactive user interface. To expand the MEG’s capability, the setup integrates real implemented hardware components with the emulated components based on real-time simulation using OPAL-RT OP4510. Most hardware components are implemented in the lab to be modular, expandable, and flexible for various test scenarios, including fault imitation. They include but are not limited to the power converter, inverter, battery charger controller, relay drivers, programmable AC and DC loads, PLC, and microcontroller-based controller. In addition, the real-time simulation offers a great variety of power sources and energy storage such as wind turbine emulators and flywheels in addition to the physical sources such as solar panels, supercapacitors, and battery packs.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,005
Tête enseignante GPT0,198
Écart entre enseignants0,194 · 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'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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTechnologiesMême sujetMicrogrid Control and OptimizationTravaux en français237 207