A systematic review of resilience strategies with emphasis on the role of machine learning and quantitative assessment under adverse operating conditions
Notice bibliographique
Résumé
This paper presents a simulation-based systematic review that quantitatively evaluates the effectiveness of various strategies in maintaining smart grid performance under different disturbances, using the IEEE 33-bus test system. The disturbances of islanding, line, generator, and renewable source outages, and their effect on the system resilience index were analyzed, showing a 3.46 % reduction compared to normal operation. To mitigate these impacts, several strategies were compared: the fixed Battery Energy Storage System (BESS) improved the resilience index by 2.78 %, the Mobile BESS (MBESS) achieved a 3.55 % enhancement, and demand response programs contributed only a 0.41 % enhancement. Additionally, in a line outage scenario between buses 6 and 26, the base case without BESS resulted in 0.460 MWh of Expected Energy not Served (EENS) and an equivalent outage duration of 0.12 h. In comparison, the integration of BESS reduced these values to 0.023 MWh and 0.01 h, highlighting the critical role of BESS in strengthening network resilience and ensuring service continuity. Additionally, this study reviews different Machine Learning (ML) methods across the four resilience phases and presents use cases for each phase. The study also presents recent DOE recommendations that prioritize low-cost, high-impact resilience measures. These include targeted investments in distributed generation, fuel security, robust distribution lines, smart monitoring, and vegetation management, demonstrating that grid resilience can be improved through practical, low-cost measures rather than major infrastructure projects. Consequently, this study offers practical insights for researchers on enhancing smart grid resilience.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,016 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».