One-Node Method to Implement Smart Grid Functions Using a Battery Storage System
Notice bibliographique
Résumé
This paper develops and tests the performance of the one-node method for implementing aggregated smart grid functions to operate residential loads. The developed method is based on utilizing a battery storage system (BSS) at the point-of-supply feeding the target residential loads. The power ratings of the BSS can be selected based on the required reduction in the load power demands during the peak-demand hours. Furthermore, the charging and discharging of the BSS are set based on peak-demand and off-peak demand hours and stability constraints for voltage and frequency at the point-of-supply. The proposed operation of the BSS is set to have it charge energy during off-peak-demand hours, and discharge energy during peak-demand hours. The energy charge into the BSS can be viewed as the equivalent thermal energy storage in thermostatically controlled appliances (TCAs), when operated using smart grid functions. The one-node with a BSS method is implemented and tested for a university campus that has 45 buildings, which are fed from one substation (point-of-supply) through a distribution system. Tests are conducted for the Summer and Winter seasons to demonstrate the efficacy of the developed method. Test results demonstrate accurate adjustments of power demands during peak-demand and off-peak-demand hours, along with simple structure to operate the BSS. Moreover, test results show the ability of the one-node method to reduce power losses and improve the voltage at the point-of-supply during peak-demand hours.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».