Power system resilience against climatic faults: An optimized self-healing approach using conservative voltage reduction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The resilience of power systems is critical in mitigating faults caused by the impending effects of climate change. Typical operational methods, such as network reconfiguration, may be insufficient to mitigate faults in the event of a contingency. On the other hand, reducing system demand may help increase the number of restored loads. As a result, this paper proposes a novel self-healing optimization approach based on a power grid concept known as conservative voltage reduction (CVR), which results in system demand reduction. The proposed optimization model is formulated as a mixed integer non-linear (MINLP) problem to fulfill an objective of minimizing unserved loads within the system. Voltage, thermal capacity, system radiality, and several more constraints have been taken into consideration while formulating the proposed model to handle both grid-connected and isolated modes of operation. Both dispatchable and non-dispatchable distributed generators (DGs) are taken into consideration. Dispatchable DGs are assumed to be capable of switching back and forth between constant power (PQ) and droop controls for the purpose of grid following and grid forming in grid-connected and isolated modes of operation, respectively. The proposed optimization approach is coded and solved using the General Algebraic Modeling System (GAMS) software. The IEEE 69-bus power distribution test system is utilized to test the validity and superiority of the proposed model. The results show that the proposed model effectively increases the system resilience by reducing the unserved power/energy within the system following a contingency.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle