MétaCan
Menu
Retour à la cohorte
Enregistrement W4410734056 · doi:10.1016/j.rser.2025.115874

Enhancing grid stability: A weather-adaptive robust optimization to mitigating renewables curtailment

2025· article· en· W4410734056 sur OpenAlexafffund
Mohammad Asghari, Hamid Afshari, Mohamad Y. Jaber, Cory Searcy

Notice bibliographique

RevueRenewable and Sustainable Energy Reviews · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueIntegrated Energy Systems Optimization
Établissements canadiensToronto Metropolitan UniversityDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRenewable energyGridStability (learning theory)Computer scienceEnvironmental scienceEngineeringElectrical engineeringGeography

Résumé

récupéré en direct d'OpenAlex

This study presents a novel framework to maximize renewable energy penetration and enhance grid reliability within interconnected energy networks. The primary objective is to address the challenges posed by the inherent variability of renewable energy generation and the complexities of managing energy storage and power-to-x (P2X) conversion technologies. A dynamic two-stage optimization model is developed to achieve this objective, enabling power grids to operate with foresight and adaptability by making strategic day-ahead decisions and real-time adjustments based on unfolding uncertainties. This study combines dynamic thermal rating with an energy degradation model , offering an integrated approach to managing thermal capacity and storage decay under real-time conditions. A hybrid Benders decomposition algorithm is integrated with robust optimization techniques to efficiently manage the computational complexity arising from the stochastic nature of renewable generation and demand fluctuations. Additionally, a weather-adaptive deteriorating inventory model is introduced to realistically manage storage units by accounting for the decay or deterioration of stored energy over time. This study also investigates the impact of ambient weather conditions on thermal capacity to improve the utilization of transmission infrastructure, reduce congestion, and facilitate the integration of renewable energy sources . The proposed model demonstrated a reduction in renewable energy curtailment by 1.37–1.58 % and a 12.4 % decrease in operational costs, with increased revenues from P2X synthesis by 8.7 %, using real data. The framework's novelty lies in its combination of adaptive thermal rating, dynamic energy deterioration modeling, and an efficient optimization structure, ensuring practical and scalable results for real-world applications.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,010
Tête enseignante GPT0,210
Écart entre enseignants0,200 · 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

Citations10
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRenewable and Sustainable Energy ReviewsMême sujetIntegrated Energy Systems OptimizationTravaux en français237 207