Optimal operation of active distribution networks hosting hybrid hydrogen‐electricity refuelling stations considering water demand under a stochastic‐IGDT approach
Notice bibliographique
Résumé
Abstract This paper deals with the real‐time optimal operation of active distribution networks (ADNs) hosting hybrid hydrogen‐electricity refuelling stations by benefiting from renewable energy sources (RESs), conversion facilities, and energy storage systems. The hybrid refuelling stations, which are controlled by ADN operator, supply electricity and hydrogen for electric vehicles (EVs) and hydrogen vehicles (HVs), respectively. In addition, the deployment of water equipment technologies in the ADNs, is considered by utilizing water well pumps in the hybrid stations to serve water demand. The principal aim is to minimize the expected operation cost, including the cost of purchasing power from the upstream grid and maintenance and operation costs of each hybrid refuelling station. Various technical and physical constraints are considered to ensure the reliable operation and realistic scheduling of ADNs in the presence of hybrid refuelling stations. This study employs a hybrid information gap decision theory (IGDT)‐stochastic approach to address the uncertain behaviour of wholesale market price, electricity demand of EVs in refuelling stations, RESs output power and nodal demand of ADN to reach a risk‐averse strategy. The developed approach is coded under GAMS software and the effectiveness of the approach is validated by testing on the modified IEEE 33‐bus test system.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».