MétaCan
Menu
Retour à la cohorte
Enregistrement W4403926421 · doi:10.1016/j.ijepes.2024.110338

Modeling of small-signal stability margin constrained optimal power flow

2024· article· en· W4403926421 sur OpenAlexaff
Zheng Huang, Kewen Wang, Yi Wang, Fushuan Wen, Venkata Dinavahi, Jun Liang

Notice bibliographique

RevueInternational Journal of Electrical Power & Energy Systems · 2024
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensUniversity of Alberta
Organismes subventionnairesChina Postdoctoral Science FoundationNational Natural Science Foundation of China
Mots-clésPower flowStability (learning theory)Control theory (sociology)SIGNAL (programming language)Margin (machine learning)Power (physics)Flow (mathematics)Computer scienceElectric power systemMathematical optimizationMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

This paper presents a novel small-signal stability margin (SSSM) constrained optimal power flow model for generation dispatch to minimize the generation cost while retaining adequate SSSM. The SSSM constraint is described in terms of the total active load variation between an initial operating point and the critical point, which is located on the dynamic performance boundary of small-signal stability. From the existing SSSM model, where the steady-state equation and the small-signal stability equation are taken into account, a modified SSSM model is proposed to reduce the computational requirement. The sensitivity representation of SSSM with respect to operating parameters is newly derived, which makes it possible for the SSSM and steady-state optimization problems to be jointly solved. A joint solution approach is proposed to solve the small-signal stability margin constrained optimal power flow (SSSMC-OPF) model. Simulation results show that the proposed approach can effectively minimize the generation cost subject to retaining a certain level of SSSM. For an 8-machine 24-bus system and a modified practical 68-machine 2395-bus system, the generation costs of SSSMC-OPF are increased by 5.28% and 2.73%, respectively, but the SSSMs are improved by 45% and 14.41%, respectively, compared to the optimal power flow.

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 candidatesaucune
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 enseignants0,965
Score d'incertitude au seuil0,876

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,012
Tête enseignante GPT0,222
Écart entre enseignants0,209 · 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'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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Electrical Power & Energy SystemsMême sujetPower System Optimization and StabilityTravaux en français237 207