MétaCan
Menu
← Retour à la cohorte
Enregistrement W4388561794 · doi:10.1109/etcm58927.2023.10308985

On the Impacts of Multi-Agent Transactive Energy in Distribution Networks - Part 2: Integrated ETSim Results and Findings

2023· article· en· W4388561794 sur OpenAlexfundno aff
Fernando Salinas-Herrera, Ali Moeini, Fatima Amara, Juan C. Oviedo, Innocent Kamwa

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensnon disponible
Organismes subventionnairesMitacs
Mots-clésDistributed generationTransactive memoryComputer scienceRenewable energyGridDistributed computingTariffElectricityRisk analysis (engineering)Environmental economicsReliability engineeringBusinessEngineeringKnowledge management

Résumé

récupéré en direct d'OpenAlex

The integrated quasi-static Generic Time-Series Power Flow (GTSPF) and transactive energy ETSim platform aims to simulate transactional exchanges associated with electricity generation from distributed energy resources (DERs) and analyze the resulting impact and advantages on the distribution network. In this work, the integrated ETSim platform is tested by using the IEEE 13 node test feeder, six different scenarios are evaluated which vary in terms of DERs penetration, tariff type, and DERs optimization objectives. The analysis of these scenarios has demonstrated that when tariff structures and market frameworks promote the efficient utilization of DERs and encourage energy exchange between the grid and DERs owners, there can be both positive and negative impacts. However, effective management of network stress, ensuring a stable and reliable electricity supply, it becomes possible to avoid network upgrades and brings economic benefits to both grid operators and users. The analysis offers an evaluation of multi-agent transactive energy systems in distribution networks considering the spatial and temporal correlations of multiple DERs for a proper operation of power system with high penetration of renewable energies.

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)0,002
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,014
Tête enseignante GPT0,208
Écart entre enseignants0,194 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSmart Grid Energy Management→Travaux en français237 207→