MétaCan
Menu
Retour à la cohorte
Enregistrement W4394570563 · doi:10.3390/en17071763

Hybrid Power System Design and Dynamic Modeling for Enhanced Reliability in Remote Natural Gas Pipeline Control Stations

2024· article· en· W4394570563 sur OpenAlexaff
Muhammad Waqas, Mohsin Jamil, Ashraf Ali Khan

Notice bibliographique

RevueEnergies · 2024
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésPipeline (software)Reliability (semiconductor)Natural gasComputer sciencePower (physics)Pipeline transportReliability engineeringEngineeringEnvironmental scienceControl engineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

The most rapid and efficient method to transport natural gas from its source to its destination is through a pipeline network. The optimal functioning of control stations for natural gas pipelines depends on the use of electrical devices, including data loggers, communication devices, control systems, surveillance equipment, and more. Ensuring a reliable and consistent power supply proves to be challenging due to the remote locations of these control stations. This research article presents a case study detailing the design and dynamic modeling of a hybrid power system (HPS) to address the specific energy needs of a particular natural gas pipeline control station. The HOMER Pro 3.17.1 software is used to design an optimal HPS for the specified location. The designed system combines a photovoltaic (PV) system with natural gas generators as a backup to ensure a reliable and consistent power supply for the control station. Furthermore, it provides significant cost savings, reducing the cost of energy (COE) by USD 0.148 and the annual operating costs by USD 87,321, all while integrating a renewable energy fraction of 79.2%. Dynamic modeling of the designed system is performed in MATLAB/Simulink R2022a to analyze the system’s response, including its power quality, harmonics, voltage transients, load impact, etc. The experimental results are validated using hardware in the loop (HIL) and OPAL-RT Technologies’ real-time OP5707XG simulator.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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: aucune
Score de désaccord entre enseignants0,552
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,008
Tête enseignante GPT0,240
Écart entre enseignants0,233 · 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.

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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetHybrid Renewable Energy SystemsTravaux en français237 207