MétaCan
Menu
Retour à la cohorte
Enregistrement W1873792958 · doi:10.20508/ijrer.63008

Islanding Detection Method for a Hybrid Renewable Energy System

2011· article· en· W1873792958 sur OpenAlexaffabout
Mamadou Lamine Doumbia, Mylà ̈ne Robitaille, Kodjo Agbossou, R.L. Simard

Notice bibliographique

RevueDergiPark (Istanbul University) · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueIslanding Detection in Power Systems
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésIslandingRenewable energyPhotovoltaic systemInverterGridMATLABVoltageEngineeringWind powerElectrical engineeringTurbineComputer scienceDistributed generationElectronic engineeringAutomotive engineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

The Hydrogen Research Institute (HRI) developed a hybrid renewable energy power system that uses a wind turbine, a photovoltaic array and a fuel cell. In order to fulfill utility requirements , an islanding protection device is being developed. This paper presents the passive (Under/Over Voltage, Under/Over Frequency) and active (Sandia Frequency Shift and Sandia Voltage Shift) protection methods that were chosen to be added to the system. Those four methods were combined in an innovative way in order to benefit from the strengths of each of them. This way, the islanding protection will be more efficient and the non detection zone will be reduced. This paper also presents a Matlab/Simulink model of the protection device and the simulation results that were obtained using different critical operating conditions for which the clearing times can surpass those defined by the Canadian standard C22.2 No 107.1-01. This standard is similar to the IEEE 1547 standard with a few differences. Finally, the paper presents the experimental results for a grid-connected inverter, designed by the HRI, which uses the islanding protection method presented above.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0020,000

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 Opus0,012
Tête enseignante GPT0,173
Écart entre enseignants0,161 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations13
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDergiPark (Istanbul University)Même sujetIslanding Detection in Power SystemsTravaux en français237 207