MétaCan
Menu
Retour à la cohorte
Enregistrement W4383552443 · doi:10.1049/rpg2.12788

HVDC grids stability enhancement through the integration of battery energy storage systems

2023· article· en· W4383552443 sur OpenAlexaff
Neda Azizi, Hassan Moradi, Kumars Rouzbehi, Fazel Mohammadi

Notice bibliographique

RevueIET Renewable Power Generation · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueHVDC Systems and Fault Protection
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésVoltage droopEnergy storageElectrical engineeringBattery (electricity)Controller (irrigation)Electric power systemPower (physics)High-voltage direct currentEngineeringVoltageComputer scienceDirect currentVoltage sourcePhysics

Résumé

récupéré en direct d'OpenAlex

Abstract In high voltage direct current (HVDC) grids, the reference values of power controllers are normally adjusted based on the DC‐link voltage as the DC voltage is regulated by the droop controllers. As a matter of fact, except for the DC slack bus, there is a trade‐off between power‐sharing and voltage regulation of all the remaining HVDC buses. The main issue with this control strategy is that in case of contingencies, significant voltage and power oscillations throughout HVDC grids can be expected. To address such issues, the integration of a battery energy storage system into HVDC grids through a multi‐port DC/DC power converter is investigated in this paper. The DC/DC converter used in this paper consists of three ports: (1) two ports are connected in cascade with the intended DC transmission line, formerly named cascaded power flow controller, and (2) the third port is for the integration of the battery energy storage system to form a multi‐functional device. Therefore, the proposed framework can potentially achieve small‐signal stability enhancement and regulate/adjust the power throughout the HVDC grids.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,033
Tête enseignante GPT0,240
Écart entre enseignants0,207 · 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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET Renewable Power GenerationMême sujetHVDC Systems and Fault ProtectionTravaux en français237 207