MétaCan
Menu
Retour à la cohorte
Enregistrement W4405022345 · doi:10.1109/tcst.2024.3505033

Randomized Customer-Sensitivity-Aware Control of Thermostatic Loads for Better Integration of Intermittent Renewables

2024· article· en· W4405022345 sur OpenAlexaff
Tanguy Julien, Roland P. Malhamé

Notice bibliographique

RevueIEEE Transactions on Control Systems Technology · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Control Systems Optimization
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésSensitivity (control systems)Renewable energyControl (management)BusinessAutomotive engineeringEconomicsEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Increased electric grid penetration of intermittent renewable energy sources has reduced the controllability of the generation side and created a need for more coordination between generation and load to maintain grid stability. Thermostatically controlled loads (TCLs) have long been seen as capable of providing a source of load flexibility. However, controlling thousands of small loads to create a better match between generation and consumption is a challenging task. Direct load control methods tend to be imprecise and invasive, while pricing-based methods can result in social push-back and produce unreliable results. Following an established trend aimed at limiting loads synchronization effects, a probabilistic control scheme is proposed. It is based on a novel type of aggregator-customer contracts. The latter are tailored a priori so as to account for a customer’s particular tolerance to loss of comfort versus interest in cost reduction. While through these contracts, aggregators have to obey preagreed constraints on their controls, the upside for them is that they can reliably anticipate the aggregate behaviors that their pool of loads can achieve. The control is decentralized via a single so-called pressure signal which is broadcast and acts locally, in a probabilistic manner, on thermostat set points. We demonstrate how the probabilistic nature of the control allows achieving a continuum of smooth potentially desirable aggregate load behaviors.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,007
Tête enseignante GPT0,228
Écart entre enseignants0,221 · 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'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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Control Systems TechnologyMême sujetAdvanced Control Systems OptimizationTravaux en français237 207