MétaCan
Menu
Retour à la cohorte
Enregistrement W4416341782 · doi:10.1109/epec65543.2025.11230411

Voltage Regulation and System Loss Minimization in Practical Distribution Networks using Advanced DER Controls

2025· article· W4416341782 sur OpenAlexaff
Sarah Allahmoradi, Keaton A. Wheeler, Debora S. Moreira, Ben Li, Alex Nassif, Mostafa Farrokhabadi

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueOptimal Power Flow Distribution
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésVoltage regulationDistributed generationVoltageAC powerMinificationControl theory (sociology)GridVoltage droopVoltage optimisation

Résumé

récupéré en direct d'OpenAlex

The increasing penetration of distributed energy resources (DERs) in distribution networks introduces operational challenges, particularly in voltage regulation. IEEE Std 1547-2018 defines advanced grid-support functions such as volt-var, watt-var, and volt-watt control to enhance voltage stability and reactive power management. However, their practical deployment remains limited, necessitating detailed modeling and assessment. This study evaluates volt-var, wattvar, fixed power factor (PF), and unity PF modes for voltage regulation and power loss reduction in a practical distribution feeder under varying operational conditions. A time-series analysis is conducted using a modeled feeder with DERs placed at different locations-near the substation, mid-feeder, and feeder endpoints-to assess the impact of location and $X / R$ ratio. Results indicate that volt-var mode is most effective near substations and mid-feeder locations, while fixed $\mathbf{P F}=\mathbf{- 0. 9}$ for inverter-based DERs offers improved voltage control at feeder endpoints. However, voltage deviations remain outside acceptable limits, requiring further evaluation. These findings provide insights into optimal DER control strategies for enhanced voltage regulation and grid efficiency.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,007
Tête enseignante GPT0,256
Écart entre enseignants0,249 · 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 source (Gemma direct ou Codex distillé), 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
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 sujetOptimal Power Flow DistributionTravaux en français237 207