MétaCan
Menu
Retour à la cohorte
Enregistrement W1598130868 · doi:10.1109/pes.2003.1267428

Adaptive and artificial intelligence based PSS

2004· article· en· W1598130868 sur OpenAlexaff
O.P. Malik

Notice bibliographique

Revue2003 IEEE Power Engineering Society General Meeting (IEEE Cat. No.03CH37491) · 2004
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Operating pointTransfer functionLinear systemElectric power systemController (irrigation)Computer scienceControl engineeringPermanent magnet synchronous generatorAdaptive controlGenerator (circuit theory)Power (physics)EngineeringMathematicsArtificial intelligenceVoltageControl (management)Electronic engineering

Résumé

récupéré en direct d'OpenAlex

The supplementary stabilizing signal input to the excitation system of a synchronous generator enhances system damping by producing a torque in phase with the speed of the generator. The most common PSS (CPSS) is based on the use of a linear transfer function designed by applying the linear control theory to the system model linearized at a pre-assigned operating point. Power systems are non-linear and operate over a wide range. Due to the non-linear characteristics, wide operating conditions and unpredictability of perturbations in a power system, the CPSS, a linear controller, generally cannot maintain the same quality of performance under all conditions of operation. To further improve the performance and stability of the power system, various other approaches using the linear quadratic optimal control, H-infinity, variable structure, rule base, and artificial intelligence (AI) techniques have been proposed in the literature to design a fixed parameter PSS. One common feature of all fixed parameter controllers is that the design is done off-line.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,596
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,211
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2003 IEEE Power Engineering Society General Meeting (IEEE Cat. No.03CH37491)Même sujetPower System Optimization and StabilityTravaux en français237 207