One-Node Method to Implement Smart Grid Functions Using a Battery Storage System
Notice bibliographique
Résumé
This paper develops and tests the performance of the one-node method for implementing aggregated smart grid functions to operate residential loads. The developed method is based on utilizing a battery storage system (BSS) at the point-of-supply feeding the target residential loads. The power ratings of the BSS can be selected based on the required reduction in the load power demands during the peak-demand hours. Furthermore, the charging and discharging of the BSS are set based on peak-demand and off-peak demand hours and stability constraints for voltage and frequency at the point-of-supply. The proposed operation of the BSS is set to have it charge energy during off-peak-demand hours, and discharge energy during peak-demand hours. The energy charge into the BSS can be viewed as the equivalent thermal energy storage in thermostatically controlled appliances (TCAs), when operated using smart grid functions. The one-node with a BSS method is implemented and tested for a university campus that has 45 buildings, which are fed from one substation (point-of-supply) through a distribution system. Tests are conducted for the Summer and Winter seasons to demonstrate the efficacy of the developed method. Test results demonstrate accurate adjustments of power demands during peak-demand and off-peak-demand hours, along with simple structure to operate the BSS. Moreover, test results show the ability of the one-node method to reduce power losses and improve the voltage at the point-of-supply during peak-demand hours.
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 | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».