MétaCan
Menu
Retour à la cohorte
Enregistrement W4416136716 · doi:10.1109/pesgm52009.2025.11225368

An Assessment Framework for DER Participation in Bulk System Fast Frequency Response

2025· article· W4416136716 sur OpenAlexaboutno aff
Keaton A. Wheeler, Alexandre B. Nassif

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhasorDistributed generationService (business)Demand responseVoltageFrequency response

Résumé

récupéré en direct d'OpenAlex

Distributed Energy Resource (DER) participation in bulk system ancillary services is becoming more prevalent in many jurisdictions. Given DER participation in such services is new, there are very few assessment methodologies for utilities to screen suitability for inclusion in ancillary service markets. This paper presents an assessment framework for distribution utilities to determine suitability of DERs to participate in ancillary service markets, specifically fast frequency response (FFR). The proposed framework was developed by using representative networks and actual DERs that were extensively assessed by the utility driving this work. Being a representative case for most cases across Canada (i.e., of similar system topology and configuration), the framework can be generalized. The proposed framework also highlights how phasor domain analysis can be used to screen for voltage violations across the DER operating region and determining when a detailed EMT study is required. The overall analysis in this paper, which encompasses both phasor and EMT studies, demonstrates factors such as voltage operating points and rapid voltage change (RVC) that need to be considered prior to FFR participation. Lastly, a sample case that fails the screening is provided with mitigation options to reach compliance. The proposed screening methodology for DER participation in FFR provides guidance, saves time, and streamline mitigation options.

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)0,002
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,856
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,000
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 Opus0,016
Tête enseignante GPT0,358
Écart entre enseignants0,342 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPower System Optimization and StabilityTravaux en français237 207