Benutzer: Gast  Login
Titel:

Neural Network-Based Dynamic State Estimation for Fast Frequency Support Using Energy Storage Systems

Dokumenttyp:
Konferenzbeitrag
Art des Konferenzbeitrags:
Textbeitrag / Aufsatz
Autor(en):
Bhujel, N.; Rai, A.; Hummels, D.; Tamrakar, U.; Tonkoski, R.
Stichworte:
Adaptation models; System dynamics; Computational modeling; Microgrids; Frequency estimation; Data models; Velocity measurement; state estimator; neural network; frequency dynamics; microgrids; fast frequency support
Kongress- / Buchtitel:
2024 IEEE Electrical Energy Storage Application and Technologies Conference (EESAT)
Verlag / Institution:
IEEE
Publikationsdatum:
29.01.2024
Jahr:
2024
Reviewed:
ja
Sprache:
en
Volltext / DOI:
doi:10.1109/eesat59125.2024.10471218
TUM Einrichtung:
SoED, PT&D (EEN)
 BibTeX