Enhancing grid stability: A weather-adaptive robust optimization to mitigating renewables curtailment
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 découle