MétaCan
Menu
Retour à la cohorte
Enregistrement W4302379523 · doi:10.48550/arxiv.1711.04175

Optimal Subhourly Electricity Resource Dispatch Under Multiple Price\n Signals With High Renewable Generation Availability

2017· preprint· W4302379523 sur OpenAlexfundno aff
David P. Chassin, Sahand Behboodi, Ned Djilali

Notice bibliographique

RevuearXiv (Cornell University) · 2017
Typepreprint
Langue
DomaineEngineering
ThématiqueElectric Power System Optimization
Établissements canadiensnon disponible
Organismes subventionnairesSLAC National Accelerator LaboratoryPacific Institute for Climate SolutionsUniversity of VictoriaCalifornia Energy CommissionU.S. Department of Energy
Mots-clésEconomic dispatchRenewable energyComputer scienceElectricityElectric power systemOptimal controlResource (disambiguation)InterconnectionMathematical optimizationElectricity generationTrajectoryPower (physics)EngineeringTelecommunicationsElectrical engineeringMathematics

Résumé

récupéré en direct d'OpenAlex

This paper proposes a system-wide optimal resource dispatch strategy that\nenables a shift from a primarily energy cost-based approach, to a strategy\nusing simultaneous price signals for energy, power and ramping behavior. A\nformal method to compute the optimal sub-hourly power trajectory is derived for\na system when the price of energy and ramping are both significant. Optimal\ncontrol functions are obtained in both time and frequency domains, and a\ndiscrete-time solution suitable for periodic feedback control systems is\npresented. The method is applied to North America Western Interconnection for\nthe planning year 2024, and it is shown that an optimal dispatch strategy that\nsimultaneously considers both the cost of energy and the cost of ramping leads\nto significant cost savings in systems with high levels of renewable\ngeneration: the savings exceed 25% of the total system operating cost for a 50%\nrenewables scenario.\n

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,040
Tête enseignante GPT0,170
Écart entre enseignants0,130 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetElectric Power System OptimizationTravaux en français237 207