MétaCan
Menu
Retour à la cohorte
Enregistrement W4387108250 · doi:10.18280/jesa.560418

Utilizing Hybrid Renewable Energy Systems for Enhancing Transient Stability in Power Grids: A Comprehensive Review

2023· review· en· W4387108250 sur OpenAlexvenueno aff
Hiba Nadhim A. Al-Kaoaz, Ahmed Nasser B. Alsammak

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2023
Typereview
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Mosul
Mots-clésRenewable energyTransient (computer programming)Stability (learning theory)Electric power systemComputer sciencePower (physics)Environmental scienceEngineeringElectrical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

The escalating demand for energy in recent years has been met with significant challenges, including resource scarcity and stringent environmental laws, which have curtailed the expansion of power generation and transmission capacity.As a result, the load borne by certain transmission lines has notably increased, which in turn raises concerns about the system's transient stability (TS).The rapid growth of renewable energy sources in power networks further compounds this issue.Despite sharing similar penetration levels, different renewable energy sources, such as wind and solar, and their combinations can have varied impacts on the system's TS.This paper conducts a comprehensive review of recent research and developments in power system TS.The focus is on the utilization of hybrid generating systems to address TS issues.The aim is to understand how different types of hybrid systems can enhance transient stability, with a comparative analysis on the advantages and disadvantages of each strategy.Furthermore, the role of Flexible AC Transmission System (FACTS) devices in improving transient stability is examined, along with the potential for synergistic use of both methods.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,043
Tête enseignante GPT0,276
Écart entre enseignants0,234 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetMicrogrid Control and OptimizationTravaux en français237 207