MétaCan
Menu
Retour à la cohorte
Enregistrement W4392698473 · doi:10.3390/en17061353

Distributed Energy Resources Management System (DERMS) and Its Coordination with Transmission System: A Review and Co-Simulation

2024· review· en· W4392698473 sur OpenAlexafffund
Pouya Pourghasem, Salar Baghbannovin, Seyed Masoud Mohseni‐Bonab, Innocent Kamwa

Notice bibliographique

RevueEnergies · 2024
Typereview
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensHydro-QuébecUniversité Laval
Organismes subventionnairesUniversité Laval
Mots-clésDistributed generationComputer scienceGridDistributed computingEnergy managementSystems engineeringSmart gridTransmission (telecommunications)Energy management systemField (mathematics)Power transmissionEnergy (signal processing)Power (physics)Renewable energyEngineeringTelecommunicationsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Ever-increasing penetration of distributed energy resources (DERs) in the power grids, alongside their numerous benefits, brings new challenges that call for enhanced solutions in the field of control and management of power grids. The majority of the available research have considered either distribution or transmission grids in their studies. In this paper, a comprehensive review of the effects of DERs on the distribution and transmission grids is performed. The focus of this paper is on hierarchical management methods in order to categorize different approaches and highlight the gaps. Moreover, a review is conducted in the field of the newly introduced distributed energy resources management system (DERMS) concept. A DERMS can facilitate the hierarchical energy management procedure due to its functionalities and broad capabilities. Hence, its implementation in energy management and its impact on the power grid will be assessed with the aid of a co-simulation platform that considers both transmission and distribution 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 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)0,001
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,008
Tête enseignante GPT0,229
Écart entre enseignants0,221 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetMicrogrid Control and OptimizationTravaux en français237 207