Centralized vs. Decentralized Electric Grid Resilience Analysis Using Leontief’s Input–Output Model
Notice bibliographique
Résumé
Escalating events such as extreme weather conditions, geopolitical incidents, acts of war, cyberattacks, and the intermittence of renewable energy resources pose substantial challenges to the functionality of global electric grids. Consequently, research on enhancing the resilience of electric grids has become increasingly crucial. Concurrently, the decentralization of electric grids, driven by a heightened integration of distributed energy resources (DERs) and the imperative for decarbonization, has brought about significant transformations in grid topologies. These changes can profoundly impact flexibility, operability, and reliability. However, there is a lack of research on the impact of DERs on the electric grid’s resilience, as well as a simple model to simulate the impact of any disturbance on the grid. Hence, to analyze the electric grid’s resilience, this study employs an extrapolation of Leontief’s input–output (IO) model, originally designed to study ripple effects in economic sectors. Nodes are treated as industries, and power transmission between nodes is considered as the relationship between industries. Our research compares operability changes in centralized, partially decentralized, and fully decentralized grids under identical fault conditions. Using grid inoperability as a key performance indicator (KPI), this study tests the three grid configurations under two fault scenarios. The results confirm the efficacy of decentralization in enhancing the resilience and security of electric grids.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».