{rfName}
A

Indexat a

Llicència i ús

Icono OpenAccess

Citacions

10

Altmetrics

Anàlisi d'autories institucional

Riquelme-Dominguez, JmAutor (correspondència)

Compartir

Publicacions
>
Article

A machine learning-based methodology for short-term kinetic energy forecasting with real-time application: Nordic Power System case

Publicat a:International Journal Of Electrical Power & Energy Systems. 156 109730- - 2024-02-01 156(), DOI: 10.1016/j.ijepes.2023.109730

Autors: Riquelme-Dominguez, JM; Carranza-García, M; Lara-Benítez, P; González-Longatt, FM

Afiliacions

Resum

The progressive substitution of conventional synchronous generation for renewable-based generation imposes a series of challenges in many aspects of modern power systems, among which are the issues related to the low rotational inertia systems. Rotational inertia and the kinetic energy stored in the rotating masses in the power system play a fundamental role in the operation of power systems as it represents in some sort the ability of the system to withstand imbalances between generation and demand. Therefore, transmission system operators (TSOs) need tools to forecast the inertia or the kinetic energy available in the systems in the very short term (from minutes to hours) in order to take appropriate actions if the values fall below the one that ensures secure operation. This paper proposes a methodology based on machine learning (ML) techniques for short-term kinetic energy forecasting available in power systems; it focuses on the length of the moving window, which allows for obtaining a balance between the historical information needed and the horizon of forecasting. The proposed methodology aims to be as flexible as possible to apply to any power system, regardless of the data available and the software used. To illustrate the proposed methodology, time series of the kinetic energy recorded in the Nordic Power System (NPS) has been used as a case study. The results show that Linear Regression (LR) is the most suitable method for a time horizon of one hour due to its high accuracy to-simplicity ratio, while Long Short-Term Memory (LSTM) is the most accurate for a forecasting horizon of four hours. Experimental assessment has been carried out using Typhoon HIL-404 simulator, verifying that both algorithms are suitable for real-time simulation.

Paraules clau

ControllerData seriesForecastingInertiaKinetic energyMachine learning

Indicis de qualitat

Impacte bibliomètric. Anàlisi de la contribució i canal de difusió

El treball ha estat publicat a la revista International Journal Of Electrical Power & Energy Systems a causa de la seva progressió i el bon impacte que ha aconseguit en els últims anys, segons l'agència WoS (JCR), s'ha convertit en una referència en el seu camp. A l'any de publicació del treball, 2024 encara no hi ha indicis calculats, però el 2023, es trobava a la posició 65/353, aconseguint així situar-se com a revista Q1 (Primer Cuartil), en la categoria Engineering, Electrical & Electronic.

Independentment de l'impacte esperat determinat pel canal de difusió, és important destacar l'impacte real observat de la pròpia aportació.

Segons les diferents agències d'indexació, el nombre de citacions acumulades per aquesta publicació fins a la data 2025-06-02:

  • WoS: 4
  • Scopus: 6
  • OpenCitations: 2

Impacte i visibilitat social

Des de la dimensió d'influència o adopció social, i prenent com a base les mètriques associades a les mencions i interaccions proporcionades per agències especialitzades en el càlcul de les denominades "Mètriques Alternatives o Socials", podem destacar a data 2025-06-02:

  • L'ús d'aquesta aportació en marcadors, bifurcacions de codi, afegits a llistes de favorits per a una lectura recurrent, així com visualitzacions generals, indica que algú està fent servir la publicació com a base del seu treball actual. Això pot ser un indicador destacat de futures cites més formals i acadèmiques. Aquesta afirmació està avalada pel resultat de l'indicador "Capture", que aporta un total de: 32 (PlumX).

És fonamental presentar evidències que recolzin l'alineació plena amb els principis i directrius institucionals sobre Ciència Oberta i la Conservació i Difusió del Patrimoni Intel·lectual. Un clar exemple d'això és:

  • El treball s'ha enviat a una revista la política editorial de la qual permet la publicació en obert Open Access.
  • Assignació d'un Handle/URN com a identificador dins del Dipòsit en el Repositori Institucional: https://oa.upm.es/86470/

Com a resultat de la publicació del treball en el repositori institucional, s'han obtingut dades estadístiques d'ús que reflecteixen el seu impacte. En termes de difusió, podem afirmar que, fins a la data

  • Visualitzacions: 48
  • Descàrregues: 10

Anàlisi del lideratge dels autors institucionals

Aquest treball s'ha realitzat amb col·laboració internacional, concretament amb investigadors de: United Kingdom.

Hi ha un lideratge significatiu, ja que alguns dels autors pertanyents a la institució apareixen com a primer o últim signant, es pot apreciar en el detall: Primer Autor (RIQUELME DOMINGUEZ, JOSE MIGUEL) .

l'autor responsable d'establir les tasques de correspondència ha estat RIQUELME DOMINGUEZ, JOSE MIGUEL.