MétaCan
Menu
Retour à la cohorte
Enregistrement W4415212122 · doi:10.3390/en18205359

Analysis and Enhancement of HQT and ENTSO-E Synthetic Inertia Criteria Using the Unison U151 Wind Turbine

2025· article· en· W4415212122 sur OpenAlexaboutno aff
Yong Cheol Kang, Young‐Sun Lee, Kyu‐Ho Kim

Notice bibliographique

RevueEnergies · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueWind Energy Research and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTurbineInertiaControl theory (sociology)Rotor (electric)Wind powerTransient (computer programming)Tracking (education)Power (physics)Stability (learning theory)

Résumé

récupéré en direct d'OpenAlex

Synthetic inertia (SI) enables wind turbine generators (WTGs) to support frequency stability by releasing stored kinetic energy during disturbances. Existing grid-code requirements, such as those of Hydro-Québec TransÉnergie (HQT) and ENTSO-E/Nord Pool, improve the first frequency nadir but often aggravate a second frequency dip (SFD) or risk rotor over-deceleration (OD) when the boost magnitude is large. This paper proposes an enhanced SI requirement that retains the stepwise boost-and-hold structure but replaces the time-based ramp-down with a rotor-speed-dependent recovery, followed by a smooth transition back to maximum power point tracking (MPPT). The proposed scheme was validated using an electromagnetic transient model of the Unison U151 wind turbine (4.569 MW, inertia constant 9.68 s), designed for Korea’s low-wind conditions. Five case studies at wind speeds of 5 and 7 m/s with varying boost levels confirmed that all methods yield identical first nadirs for a given boost, but only the proposed approach consistently maintained a higher second nadir, stabilized rotor dynamics, and prevented repeated dips. These results demonstrate that rotor-speed-dependent SI requirements, when combined with high-inertia turbines, can enhance frequency stability while protecting turbine operation, offering practical guidance for future grid-code revisions.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,170
Score d'incertitude au seuil0,280

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 Opus0,009
Tête enseignante GPT0,252
Écart entre enseignants0,243 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetWind Energy Research and DevelopmentTravaux en français237 207