MétaCan
Menu
Retour à la cohorte
Enregistrement W4393551005 · doi:10.5281/zenodo.4500787

U.S. Test System with High Spatial and Temporal Resolution for Renewable Integration Studies

2021· dataset· en· W4393551005 sur OpenAlexaboutno aff
Yixing Xu, Nathan Myhrvold, Dhileep Sivam, Kaspar Mueller, Daniel Olsen, Bainan Xia, Daniel Livengood, Victoria Hunt, Ben Rouille D'Orfeuil, Daniel Muldrew, Merrielle Ondreicka, Megan Bettilyon

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2021
Typedataset
Langueen
DomaineEngineering
ThématiqueIndustrial Vision Systems and Defect Detection
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRenewable energyTest (biology)Computer scienceEnvironmental scienceEngineeringGeologyElectrical engineeringPaleontology

Résumé

récupéré en direct d'OpenAlex

<strong>Abstract</strong> Planning for power systems with high penetrations of variable renewable energy requires higher spatial and temporal granularity. However, most publicly available test systems are of insufficient fidelity for developing methods and tools for high- resolution planning. This paper presents methods to construct open-access test systems of high spatial granularity to more accurately represent current infrastructure and high temporal granularity to represent variability of demand and renewable resources. To demonstrate, a high-resolution test system representing the United States is created using only publicly available data. This test system is validated by running it in a production cost model, with results validated against historical generation to ensure that they are representative. The resulting open source test system can support power system transition planning and aid in development of tools to answer questions around how best to reach decarbonization goals, using the most effective combinations of transmission expansion, renewable generation, and energy storage. <strong>Documentation of dataset development</strong> A paper describing the process of developing the dataset is available at https://arxiv.org/abs/2002.06155. Please cite as: Y. Xu, Nathan Myhrvold, Dhileep Sivam, Kaspar Mueller, Daniel J. Olsen, Bainan Xia, Daniel Livengood, Victoria Hunt, Benjamin Rouillé d'Orfeuil, Daniel Muldrew, Merrielle Ondreicka, Megan Bettilyon, "U.S. Test System with High Spatial and Temporal Resolution for Renewable Integration Studies," 2020 IEEE PES General Meeting, Montreal, Canada, 2020. <strong>Dataset version history</strong> 0.1, January 31, 2020: initial data upload. 0.2.0, March 10, 2020: addition of Tabular Data Package metadata, modifications to cost curves and transmission capacities aimed at more closely matching optimization results to historical data. 0.2.1, March 25, 2020: [erroneous upload] 0.2.2, March 26, 2020: [erroneous upload] 0.2.3, March 31, 2020: corrected a bug in the wind profile generation process which was pulling the wrong locations for wind farms outside the Western Interconnection. 0.2.4, April 15, 2020: added ramp rate limits to fossil fuel generators. 0.3.0, June 23, 2020: Scaling cost curves to more produce LMPs which are more reflective of historical market prices, updating the set of back-to-back HVDC converter stations to be more reflective of current capacities/locations, miscellaneous data fixes to a few erroneous cost curve and heat rate curve parameters. 0.4.0, January 19, 2021: updated the base grid to include generators added in the years 2017-2019, added hypothetical offshore wind generators and power profiles at 1 MW capacities, added a .mat file representing the 'base' grid for use with REISE.jl, added several sets of input files which simulate the 'current' (2020) grid, as well as potential future grids for the year 2030. 0.4.1, February 3, 2021: corrected malformed .mat files

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,974

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
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 Opus0,037
Tête enseignante GPT0,237
Écart entre enseignants0,200 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetIndustrial Vision Systems and Defect DetectionTravaux en français237 207