MétaCan
Menu
Retour à la cohorte
Enregistrement W4387614838 · doi:10.3390/en16207080

Centralized Protection of Networked Microgrids with Multi-Technology DERs

2023· article· en· W4387614838 sur OpenAlexafffund
Adeyemi Charles Adewole, Athula Rajapakse, Dean Ouellette, Paul Forsyth

Notice bibliographique

RevueEnergies · 2023
Typearticle
Langueen
DomaineEngineering
ThématiquePower Systems Fault Detection
Établissements canadiensRTDS Technologies (Canada)University of Manitoba
Organismes subventionnairesMitacs
Mots-clésIEC 61850Fault (geology)GridDistributed generationPower-system protectionElectric power systemComputer scienceWind powerEngineeringNetwork topologyDistributed computingReliability engineeringPower (physics)Renewable energyElectrical engineeringComputer networkAutomation

Résumé

récupéré en direct d'OpenAlex

The structure and connections in networked microgrids consisting of two or more interconnected microgrids is influenced by the dynamic behaviors of power markets, the demand and supply interactions between market participants, and the possibility of operating in the grid-connected or islanded modes. Protection zones in the above-mentioned scenarios are dynamic and should not be determined a priori. Also, fault currents will vary depending on the operating modes, online or offline status of Distributed Energy Resources (DERs), variation of solar irradiation or wind speed, etc. This paper proposes a Centralized Intelligent Station-Level Protection (CISP) approach for the protection of various electric power equipment technologies in networked (interconnected) microgrids using adaptive protective relaying algorithms and a network theory-based zone selection algorithm. The proposed CISP approach utilizes wide area IEC 61869-9 Sampled Values (SVs) measurements and IEC 61850 Generic Object-Oriented Substation Events (GOOSE) messages, intelligently determines the protection zones, and automatically selects the protection algorithms to use in each of the protection zones based on the prevailing system topology and operating conditions. The effectiveness of the proposed CISP approach is demonstrated through real-time simulations using the RTDS®. The results obtained were promising for the various system configurations, operating conditions, and fault conditions considered.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,496
Score d'incertitude au seuil0,361

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,011
Tête enseignante GPT0,202
Écart entre enseignants0,191 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations5
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetPower Systems Fault DetectionTravaux en français237 207