The interest on microgrid has increased significantly triggered by the increasing demand of reliable, secure, efficient, clean, and sustainable electricity. More research and implementation of microgrid will be conducted in order to improve the maturity of microgrid technology. Among different aspects of microgrid, this paper focuses on controls of microgrid with energy storage. A comprehensive review on current control technology is given with a discussion on challenges of microgrid controls. Basic simulation results are also presented to enhance and support the analysis. Finally, research needs and roadmap for microgrid control are also described.

The growth of advanced metering infrastructure, enhanced communication infrastructure in power grids, and the ability of end-user consumer to actively participate helps in realizing vision of sustainable energy systems. Demand response (DR) programs are developed in order to deploy this ability and make power grids more efficient, environmental friendly, and reliable. This paper presents a review of DR, existing application and a possible implementation strategy in a smart grid environment. Furthermore, classification and status of DR programs in different U.S. electricity markets have been also discussed.

This paper presents a method for quantifying and enabling the resiliency of a power distribution system using analytical hierarchical process and percolation theory. Using this metric, quantitative analysis can be done to analyze the impact of possible control decisions to pro-actively enable the resilient operation of distribution system with multiple microgrids and other resources. Developed resiliency metric can also be used in short term distribution system planning. The benefits of being able to quantify resiliency can help distribution system planning engineers and operators to justify control actions, compare different reconfiguration algorithms, and develop proactive control actions to avert power system outage due to impending catastrophic weather situations or other adverse events. Validation of the proposed method is done using modified CERTS microgrids and a modified industrial distribution system. Simulation results show topological and composite metric considering power system characteristics to quantify the resiliency of a distribution system with the proposed methodology, and improvements in resiliency using two-stage reconfiguration algorithm and multiple microgrids.

With ongoing smart grid activities, advancements in information and communication technology coupled with development of sensors are utilized for better situational awareness, decision support, and control of the power grid. However, it is critical to understand the complex interdependencies between cyber and power domains, and also the potential impacts of cyber events on the power grid. In this paper, the impact of three different possible cyber events on physical power grid have been analyzed using an integrated cyber-power modeling and simulation testbed. Real-time modeling of end-to-end cyber-power systems have been developed with hardware-in-the-loop capabilities. Real-time digital simulator, synchrophasor devices, DeterLab, and network simulator-3 are utilized in this developed testbed with a wide-area control algorithm and associated closed-loop control. DeterLab can be used to model real-life cyber events in the developed cyber-physical testbed. Man-in-the-middle and denial-of-service attacks have been modeled as specific cases for the IEEE standard test cases. Additionally, communication failure impact on the power grid has been analyzed using the testbed.

The power grid is evolving with the increased integration of Distributed Energy Resources (DERs) and the growing need for bidirectional communication to manage DERs. As this evolution unfolds, the communication system supporting the power grid operation demands through analysis. Traditionally sparse wired mediums can not support increasing number of DERs connection. The continuous advancement of alternative wireless technologies provides possibility of efficient and economical communication methods. This paper explores the multifaceted area of alternative communication mediums tailored for DER-centric power distribution networks (PDN). A meticulous examination of the performance of diverse alternative mediums supported by experimental analysis and measured against a set of performance metrics, are presented. A comprehensive comparative analysis and guidelines considering existing protocols, to ensure a resilient power distribution system with DERs are also provided, highlighting the role of communication systems for a distributed energy landscape.

Objectives To correlate the accuracy of MRI with pathology in assessing the response of neoadjuvant chemotherapy (NACT) in patients with breast cancer and assessment of factors affecting the accuracy of MRI. Materials and Methods Twenty-five patients (with 33 tumors) having biopsy-proven breast cancer were included to undergo dynamic contrast-enhanced MRI, mammography, and ultrasound prior to NACT and after completion of NACT before undergoing surgery. Tumor morphological features and receptor subtypes were compared between complete and non-complete responders, and the accuracy of MRI in estimating residual disease was assessed with respect to histopathology. The performance of MRI was also compared with ultrasound and mammography, wherever feasible. Results The sensitivity, specificity, positive predictive value (PPV), negative predictive value (NPV), and accuracy of MRI for predicting pathological complete response (pCR) were 100%, 70%, 83.3%, 100%, and 88%, respectively, which were significantly better ( p = 0.02) in the triple-negative subtype. Size measured in preoperative MRI had a significant positive correlation with pathological size ( r = 0.76, p < 0.001) with the lowest mean size difference in triple negative subtype and in tumors showing a concentric pattern of shrinkage. Among the baseline morphological features on MRI, significant difference was seen in the shape ( p = 0.02) and enhancement ( p = 0.036) of the tumors between complete and non-complete responders. Also, MRI had the highest overall accuracy in predicting pCR and residual tumor size as compared to mammography and ultrasound. Conclusion MRI is a sensitive modality for predicting pCR and residual tumor size with better accuracy for triple-negative tumors as compared to other subtypes.

Large Language Models (LLMs) like ChatGPT have become the most popular regenerative AI applications, used for obtaining responses for queries in different domains. The responses of ChatGPT are already becoming mainstream and are challenging conventional methods of learning. This article focuses on the application of ChatGPT for academic instructional purposes in the field of computer engineering and related majors. The capability of ChatGPT for instructional purposes is evaluated based on the responses to different questions about these engineering streams. This article explores different opportunities (with use cases), that ChatGPT can provide in augmenting the learning experience. It also provides scenarios of limitations and modifying the evaluation process to prevent the use of ChatGPT, which may lead to an inaccurate dissemination of accepted facts. In this paper, common classroom problems and their respective responses from ChatGPT in the domains of Computer Science, Cyber Security, Data Science, and Electrical Engineering are analyzed to determine the categories of queries for which ChatGPT offers reliable responses and those for which it may be factually incorrect. A student survey is performed to demonstrate that students must be made aware that ChatGPT may not be suitable for certain types of queries and means of upgrading the evaluation process.

With the rapid integration of monitoring and controls automation devices into power grid Operational Technology (OT) networks, accurately detecting and defending against cyber events has become critical. To address this challenge, this paper presents a novel approach for detecting cyber threats, especially from unstructured OT cyber data. First, we generate unstructured cyber data from a realistic, real-time cyber-power testbed equipped with industry-grade OT devices. To overcome the lack of a standardized format in the cyber data, we propose two novel feature engineering approaches applied to the Sysmon logs from the substation's Human-Machine Interface (HMI), optimizing the data for automated Machine Learning (ML) tasks. An unsupervised Deep Autoencoder (DAE) is developed and utilized to identify cyber intrusions. Additionally, an alert-based visualization system has been developed using the syslog data from OT devices. Realistic cyber-attack scenarios, designed according to the MITRE ATT&CK framework, were used to validate the performance of the developed DAE model. Lastly, a comprehensive Cyber Threat Intelligence (CTI) report is compiled using the Structured Threat Information eXpression (STIX) framework for threat information sharing.