MétaCan
Menu
Retour à la cohorte
Enregistrement W4404708495 · doi:10.1109/access.2024.3505258

Novel Time-Varying Risk-Averse and Risk-Seeker Frameworks for Uncertain Wind Energy Generation in Electric Power Systems

2024· article· en· W4404708495 sur OpenAlexfundno aff
Milad Eslahi, Behrooz Vahidi, Pierluigi Siano

Notice bibliographique

RevueIEEE Access · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Load and Power Forecasting
Établissements canadiensnon disponible
Organismes subventionnairesOntario Ministry of Research and Innovation
Mots-clésWind powerElectric power systemComputer scienceElectricity generationEnergy (signal processing)Risk analysis (engineering)Power (physics)Electrical engineeringBusinessEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

To achieve a more reliable strategy for power systems, the stochastic behavior of uncertain parameters should be considered. Numerous frameworks have been proposed to derive robust solutions against uncertain resources. Information Gap Decision Theory (IGDT) has been exploited as a robust approach to address the immunized decision-making variables against uncertainties in the power system operation. The mechanism of this method is based on the radius of uncertainty for the input uncertain parameter. The IGDT has two main disadvantages, firstly, one value for the radius of uncertainty is derived for the different time intervals, which cannot be practical. Secondly, in the Risk Seeker-based IGDT, the limitation of maximum generated power by the Wind Turbine (WT) is not taken into account. To cope with the first drawback, an approach called Weighted-IGDT was proposed for a Micro Grid (MG), on the other hand, this technique is extremely non-linear. Consequently, for large transmission networks, the global optimal solution is not achievable. In contrast, the proposed MILP-based Risk-Averse and Risk-Seeker methodologies fill these gaps. In this paper, the radius of uncertainty is reported for each time interval by the proposed mathematical architecture, for which 24 objectives (radii of uncertainty) have been optimized. Thus, global optimal status can be guaranteed, furthermore, it can be more realistic that the decision-makers have robust conservativeness/opportuneness factor for each hour. Moreover, the accuracy and time efficiency of the proposed framework have been proven by implementing the Monte Carlo Simulation for the IEEE 30-bus power system, as the case study of this paper. The execution times of the proposed RA and RS methods are 724 and 807 seconds respectively with reliable precision, on the other hand, the execution times of these strategies using the MCS are 8629 and 7714 seconds respectively. Furthermore, a similar conclusion has been drawn by implementing the proposed approach on the IEEE 62-bus power system.

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: Empirique
Score de désaccord entre enseignants0,278
Score d'incertitude au seuil0,815

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 Opus0,017
Tête enseignante GPT0,249
Écart entre enseignants0,232 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetEnergy Load and Power ForecastingTravaux en français237 207