MétaCan
Menu
Retour à la cohorte
Enregistrement W4404563140 · doi:10.1109/jas.2024.125013

Analysis and Control of Frequency Stability in Low-Inertia Power Systems: A Review

2024· review· en· W4404563140 sur OpenAlexaff
Changjun He, Hua Geng, Kaushik Rajashekara, Ambrish Chandra

Notice bibliographique

RevueIEEE/CAA Journal of Automatica Sinica · 2024
Typereview
Langueen
DomaineEnergy
ThématiquePower Systems and Renewable Energy
Établissements canadiensÉcole de Technologie SupérieureUniversité du Québec à Montréal
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésStability (learning theory)InertiaControl theory (sociology)Automatic frequency controlFrequency analysisPower (physics)Control (management)MathematicsComputer sciencePhysicsStatisticsTelecommunicationsArtificial intelligenceThermodynamics

Résumé

récupéré en direct d'OpenAlex

Power electronic-interfaced renewable energy sources (RES) exhibit lower inertia compared to traditional synchronous generators. The large-scale integration of RES has led to a significant reduction in system inertia, posing significant challenges for maintaining frequency stability in future power systems. This issue has garnered considerable attention in recent years. However, the existing research has not yet achieved a comprehensive understanding of system inertia and frequency stability in the context of low-inertia systems. To this end, this paper provides a comprehensive review of the definition, modeling, analysis, evaluation, and control for frequency stability. It commences with an exploration of inertia and frequency characteristics in low-inertia systems, followed by a novel definition of frequency stability. A summary of frequency stability modeling, analysis, and evaluation methods is then provided, along with their respective applicability in various scenarios. Additionally, the two critical factors of frequency control—energy sources at the system level and control strategies at the device level—are examined. Finally, an outlook on future research in low-inertia power systems is discussed.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,022
Tête enseignante GPT0,307
Écart entre enseignants0,285 · 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'étudeSans objet
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

Citations64
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE/CAA Journal of Automatica SinicaMême sujetPower Systems and Renewable EnergyTravaux en français237 207