MétaCan
Menu
Retour à la cohorte
Enregistrement W4406657552 · doi:10.1109/tia.2025.3532570

A Novel Stochastic Volt/VAR/Pressure Optimization-Based Conservation Voltage Reduction Technique in Integrated Electricity and Natural Gas Systems With PV Smart Inverters

2025· article· en· W4406657552 sur OpenAlexafffundabout
Shahab Karamdel, Xiaodong Liang, S.O. Faried

Notice bibliographique

RevueIEEE Transactions on Industry Applications · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesUniversity of Saskatchewan
Mots-clésVoltage reductionVoltReduction (mathematics)VoltageNatural gasElectricityElectrical engineeringEngineeringComputer scienceElectronic engineeringAutomotive engineeringWaste managementMathematics

Résumé

récupéré en direct d'OpenAlex

This paper proposes a novel two-stage stochastic Conservation Voltage Reduction (CVR) technique in integrated electricity and natural gas systems, where the mixed-integer second-order cone programming (MISOCP) model is used to coordinate legacy voltage regulation devices (on-load tap changers (OLTCs) and capacitor banks (CBs)) with photovoltaics (PV) smart inverters. In the first stage, optimal hourly day-ahead settings of OLTCs and CBs, and the base reactive power settings of smart inverters are determined. After considering uncertainties in the forecasted load and PV power generation, reactive power adjustments from smart inverters through droop control are determined in the second stage. A two-step algorithm is also proposed to improve the solving speed of the stochastic problem. The proposed stochastic CVR technique is validated using the modified IEEE 33-bus electricity and 7-node natural gas test system, IEEE 123-bus electricity and 20-node natural gas test system, and a large unbalanced 404-node distribution system currently operated by Saskatoon Light and Power in Saskatoon, Canada, integrated with a 20-node natural gas network.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,992
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,006
Tête enseignante GPT0,199
Écart entre enseignants0,192 · 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.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industry ApplicationsMême sujetSmart Grid Energy ManagementTravaux en français237 207