MétaCan
Menu
Retour à la cohorte
Enregistrement W1967428359 · doi:10.1109/tpwrd.2013.2247068

Linear Power-Flow Formulation Based on a Voltage-Dependent Load Model

2013· article· en· W1967428359 sur OpenAlexaff
José R. Martí, Hamed Ahmadi, Lincol Bashualdo

Notice bibliographique

RevueIEEE Transactions on Power Delivery · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueOptimal Power Flow Distribution
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRepresentation (politics)Context (archaeology)Nonlinear systemVoltagePower (physics)Flow (mathematics)Computer scienceElectric power systemAlgorithmTopology (electrical circuits)Mathematical optimizationControl theory (sociology)MathematicsElectrical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

The power-flow (PF) solution is a fundamental tool in power system analysis. Standard PF formulations are based on the solution of a system of nonlinear equations which are computationally expensive due to the iterations needed. On the other hand, distribution-system (DS) automation algorithms should be fast enough to meet real-time performance. The conventional load representation, as constant$P$–$Q$, becomes less accurate as we get closer to the actual load's level. In this paper, a new load model is proposed which represents the loads' voltage dependency. A simple curve-fitting technique is used to derive a voltage-dependent load model which splits the load as a combination of an impedance and a current source. With this representation and some numerical approximations on the imaginary part of the nodal voltages, it is possible to formulate the load-flow problem as a linear power-flow (LPF) solution which does not require iterations. The approximation has been tested in systems up to 3000 nodes with excellent results. The LPF formulation is particularly important in the context of optimization algorithms for automated smart distribution systems. The extension of the technique to unbalanced distribution systems will be presented in future work.

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,009
Tête enseignante GPT0,202
Écart entre enseignants0,193 · 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

Citations173
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power DeliveryMême sujetOptimal Power Flow DistributionTravaux en français237 207