MétaCan
Menu
Retour à la cohorte
Enregistrement W4413212556 · doi:10.1109/tnsm.2025.3594954

An Edge-Based Adaptive Event-Triggered Network Transmission Scheme for Fully Distributed Power and Frequency Control of Islanded AC Microgrids

2025· article· en· W4413212556 sur OpenAlexaff
Sheng Han, Hong Zhu, Qishui Zhong, Kaibo Shi, Yankai Cao, Jianfeng Liu

Notice bibliographique

RevueIEEE Transactions on Network and Service Management · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesSichuan Association for Science and TechnologyNational Natural Science Foundation of China
Mots-clésComputer scienceScheme (mathematics)Transmission (telecommunications)Automatic frequency controlPower controlEnhanced Data Rates for GSM EvolutionTransmission networkPower (physics)Electronic engineeringComputer networkDistributed computingTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

In islanded AC microgrids, achieving optimal power distribution across distributed generators (DGs) and restoring frequency post-primary control under limited communication resources is paramount for ensuring stability and flexibility. In this paper, we develop a distributed adaptive secondary control strategy tailored for islanded AC microgrids. This strategy facilitates effective active power sharing and frequency regulation using solely local network information. A unique adaptive edge-based event-triggered transmission mechanism is also proposed, obviating Zeno behavior, to reduce communication overhead. It requires only the degree information of a single node in the DG network topology. Contrasting most existing research that necessitates global network topology details, like the Laplacian matrix, this work establishes a fully distributed control performance criterion that operates devoid of global data. The effectiveness of the proposed control approach is validated using a modified IEEE 34-bus test system.

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 candidatesaucune
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 enseignants0,981
Score d'incertitude au seuil0,984

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 Opus0,004
Tête enseignante GPT0,198
Écart entre enseignants0,194 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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 Network and Service ManagementMême sujetMicrogrid Control and OptimizationTravaux en français237 207