Cryptocurrency mining as a novel virtual energy storage system in islanded and grid-connected microgrids
Notice bibliographique
Résumé
Renewable electrical energy (such as: solar and wind energies) generation in microgrids (MGs), is gaining attention to reduce greenhouse gas emissions. Microgrid operators (MOs) aim to create self-sufficient, environmentally sustainable grids, increasing the capacity of renewable energy sources (RESs) by up to 100%. Despite of the benefits of this trend, challenges arise from non-controlled characteristics of these power generations and their seasonal variations, causing fluctuations and renewable energy curtailment. Although the technical solutions; such as: the demand response (DR) programs, and the conventional electrical energy storage systems (EESSs) can help, however those may face limitations in countries with high seasonal energy generation and consumption variations. This paper introduces cryptocurrency mining loads (CMLs) as innovative virtual energy storage systems (VESSs), named cryptocurrency energy storage systems (CESSs). It proposes a structure to store excess renewable energy in cryptocurrency units (CCUs) like Bitcoin (BTC). CESSs can be charged during off-peak intervals and, conversely, they discharge during high-demand periods to reduce the overall operational cost of MGs. Furthermore, it presents a new energy management system (EMS) formulation for the optimal operation of MGs in the presence of CESSs, providing an opportunity to generate additional electricity from RESs and to mitigate renewable energy curtailment. This paper explores the optimal operation conditions of both islanded and grid-connected MG with the proposed CESS. Utilizing a dataset from an island in Finland as a practical MG, its effectiveness is demonstrated through several case studies. The results of one case study in this paper demonstrate that the proposed CESS can decrease the operating cost of the MG by about 46.5%. Additionally, it is showed that by application of CESS the renewable energy curtailment is significantly reduced, and approached zero.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 ».