Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.
Teknologi · CC BY 4.0 · Sumber data
Apa tujuan dan pendekatan risetnya?
Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.
Model partisipasi pasar mencakup self-scheduling hingga pengelolaan operator. Deep learning berorientasi convex hull memperketat formulasi untuk efisiensi, sementara Ordinal Optimization menargetkan pengurangan kompleksitas pada banyak resource. Pendekatan menelaah ketidaksesuaian jadwal sehari sebelumnya dengan dispatch waktu nyata akibat operasi charge-discharge dan kopling waktu. Integrasi plug-and-play diarahkan platform operator, dengan kualitas serta biaya solusi tetap perlu dievaluasi.
Konteks pengembangan
- Institusi penerima pada catatan
- Rochester Institute of Tech
- Program
- EPCL: Energy, Power, Control,
- Periode pendanaan tercatat
- 2024-07-01 → 2029-06-30
Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.
Klasifikasi NSF
- Directorate for Engineering
- Electrical, Communications, & Cyber Systems
Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.
Apa yang diketahui tentang statusnya?
Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.
Batas informasi
Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.
Dasar profil
- NSF Award: CAREER: Computation-efficient Resolution for Low-Carbon Grids with Renewables and Energy Storage ↗
National Science Foundation (NSF) · Amendemen tercatat 07/03/2025
Diakses 2026-10-14. Metadata penghargaan dan abstrak publik NSF menjadi dasar parafrasa editorial Indonesia. Dokumen dan aset lain mengikuti hak pemiliknya.