Power system resilience against climatic faults: An optimized self-healing approach using conservative voltage reduction
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».