MétaCan
Menu
Retour à la cohorte
Enregistrement W4404708473 · doi:10.1109/tpwrd.2024.3505843

A Mixed-Integer Nonlinear Model to Support the Operation of Distribution Systems With Hidden DERs

2024· article· en· W4404708473 sur OpenAlexafffund
Pedro N. Vasconcelos, Fernanda C. L. Trindade, Bala Venkatesh, Walmir Freitas, Antônio Carlos Zambroni de Souza, Glauco N. Taranto

Notice bibliographique

RevueIEEE Transactions on Power Delivery · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesMitacsFundação de Amparo à Pesquisa do Estado de São Paulo
Mots-clésNonlinear systemInteger (computer science)Applied mathematicsMathematical optimizationComputer scienceDistribution (mathematics)MathematicsControl theory (sociology)PhysicsMathematical analysisArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

With impending deep electrification powered by innumerable Distributed Energy Resources (DERs), modeling each DER individually is becoming a critical challenge to the Distribution System Operators (DSOs). Even though the DSOs know the total DER installed capacity at the feeder level, the exact individual type, location, and size of such generators may remain unknown. This paper proposes a mixed-integer nonlinear programming formulation to support the operation of distribution systems under massive DER integration. The proposal accurately estimates distribution system power flows, relying on a limited set of measurements. It aims to establish equivalent DER models representing hidden resources and improve the representation of limited-visibility networks. The only DER information required is the total solar and wind installed capacity at the feeder level. The performance is assessed by comparing estimated and measured values of bus voltage magnitudes and branch power flows. Results demonstrate the efficacy of the proposed formulation in accurately replicating measurements, achieving an accuracy of over 90% when estimating active power flows in unmetered branches.

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)0,000
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 enseignants0,943
Score d'incertitude au seuil0,468

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,205
Écart entre enseignants0,191 · 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

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power DeliveryMême sujetSmart Grid Energy ManagementTravaux en français237 207