MétaCan
Menu
Retour à la cohorte
Enregistrement W4412972833 · doi:10.1109/tste.2025.3589982

Aggregation Optimization-Based Secondary Control for DC Microgrids

2025· article· en· W4412972833 sur OpenAlexaff
Qi-Fan Yuan, Yan‐Wu Wang, Xiao‐Kang Liu, Yunwei Li

Notice bibliographique

RevueIEEE Transactions on Sustainable Energy · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesChina Scholarship CouncilNational Natural Science Foundation of China
Mots-clésControl (management)Control theory (sociology)Computer scienceControl engineeringMathematical optimizationEngineeringMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

To achieve control objectives of voltage regulation and current sharing and realize economic operation such as minimizing generation costs and line losses, in this paper, an aggregate optimization framework is established for DC microgrids and an objective function is constructed consisting of voltage error, current sharing error, generation cost and line loss, with flexible weights assigned to each items. A distributed secondary controller involving two auxiliary variables is proposed. The two auxiliary variables are designed to track two global signals within a fixed settling time by interacting with neighbors and evolving in a distributed manner. Theoretical analysis is provided to show that the optimal decision variables can be achieved and the global objective function can be minimized. At the optimal point, the controller not only guarantees voltage regulation and current sharing, but also ensures minimum generation costs and line losses. Numerical simulations and experimental tests are conducted to verify the effectiveness of the proposed controller and its advantage in global optimization.

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 enseignants0,989
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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,002
Tête enseignante GPT0,183
Écart entre enseignants0,180 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Sustainable EnergyMême sujetMicrogrid Control and OptimizationTravaux en français237 207