MétaCan
Menu
Retour à la cohorte
Enregistrement W4415168781 · doi:10.1049/icp.2025.1492

Improving LV networks hosting capacity via manual phase switching of households – a Monte-Carlo analysis

2025· article· en· W4415168781 sur OpenAlexaff
Quentin Antoine, Karim Feys, Jonathan Rochet, Bart Van Wulpen, Kevin Ledune

Notice bibliographique

RevueIET conference proceedings. · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensIron Ore Company (Canada)
Organismes subventionnairesnon disponible
Mots-clésOvervoltageVoltageLow voltagePower (physics)Phase (matter)Voltage reductionReduction (mathematics)

Résumé

récupéré en direct d'OpenAlex

Due to the rapid increase in residential PV capacity, it gets more and more difficult for a Low Voltage grid to absorb power at peak hours due to overvoltage issues, causing concerns to DSOs and prosumers who are temporarily unable to inject power into the grid. Monte-Carlo simulations were performed to statistically assess the benefits of using manual phase switching of households as a mitigation measure. The best implementation approach was also investigated. Based on typical LV feeder scenarios found in Belgium, it was shown that a single 1ph switch can already provide a significant gain in voltage reduction . However, 3-wire networks are by nature less prone to unbalance-related issues and stand thus less to benefit from phase switching. A concrete decision-making criterion for the relevancy of a 1ph switch was found: should the unbalance between each phase’s maximum yearly voltage be larger than 6% or should the average of the phases’ maximum yearly voltage be smaller than 1.08pu, a targeted 1ph switch would be useful and advisable. The smaller the average voltage, the higher the chance that a single 1ph switch will solve the overvoltage issue altogether. The best choice for a 1ph switch is a household from the phase with the highest maximum voltage to the phase with the lowest maximum voltage, the farthest along the feeder as possible.

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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,642
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)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,013
Tête enseignante GPT0,242
Écart entre enseignants0,230 · 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
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET conference proceedings.Même sujetAdvanced MIMO Systems OptimizationTravaux en français237 207