MétaCan
Menu
Retour à la cohorte
Enregistrement W4292259914 · doi:10.3389/fenrg.2022.962361

An evaluation of domestic electric water heaters for frequency control

2022· article· en· W4292259914 sur OpenAlexaff
Sheng Xiang, Hongming Yang, Bo Cao

Notice bibliographique

RevueFrontiers in Energy Research · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesNational Natural Science Foundation of ChinaEducation Department of Hunan Province
Mots-clésAutomatic frequency controlElectric power systemAutomotive engineeringDemand responseElectric powerEngineeringPower (physics)Control (management)Computer scienceControl theory (sociology)Electrical engineeringElectricity

Résumé

récupéré en direct d'OpenAlex

Maintaining the frequency of a power system close to its nominal value (50 Hz or 60 Hz) is critical, which comes mainly from generators and flexible loads in traditional power systems. Direct load control (DLC) is a method to control controllable loads for power system optimization. In general, it is used to reduce or shave peak demand. Nonetheless, DLC also can be used to provide frequency control services. Domestic electric water heater (DEWH) is an important kind of controllable load, which takes a high percentage of domestic electric power consumption and has a large thermal energy storage capacity. Hence, DEWH can be a prime candidate for DLC. This study proposes a framework to provide frequency control service with DEWHs. A virtual battery pack system (VBPS) is introduced to be equivalent to the capacity of DEWHs, and a series of measurable indicators are proposed to show the capacity of the VBPS when providing frequency control services. An adaptive criterion is applied to classify controllable DEWHs, which helps to maintain end-user comfort. The performances of the proposed frequency control method during normal and contingency conditions are verified through case studies in CYME.

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)0,004
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,203
Score d'incertitude au seuil0,424

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,029
Tête enseignante GPT0,308
Écart entre enseignants0,279 · 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
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'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Energy ResearchMême sujetSmart Grid Energy ManagementTravaux en français237 207