MétaCan
Menu
Retour à la cohorte
Enregistrement W1996330381 · doi:10.1243/1748006xjrr90

Impacts of repair state residence time distributions in an electric power generating capacity adequacy assessment

2007· article· en· W1996330381 sur OpenAlexaff
D. Huang, R. Billinton

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part O Journal of Risk and Reliability · 2007
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Reliability and Maintenance
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésReliability engineeringWeibull distributionElectric power systemComputer scienceState (computer science)Power system simulationPower (physics)EngineeringMathematicsStatisticsAlgorithm

Résumé

récupéré en direct d'OpenAlex

The primary function of an electric power system is to satisfy the load requirement as economically as possible with an acceptable assurance of continuity and quality. A generating capacity adequacy evaluation involves the determination of the total system generation required to satisfy the load requirement. In these studies, a generating unit is usually represented by a two-state model in which the unit is either available or unavailable for service. These models are valid representations for base load units but do not adequately represent intermittent operating units used to meet peak load conditions. The two-state model for a base load unit has been extended to a four-state peaking unit model that is widely used in practice. The generating unit state residence time distributions in these models are assumed to be exponential in form in virtually all practical system studies. This may not be a valid assumption for the repair state in some situations. A sequential Monte Carlo simulation technique is utilized to incorporate Weibull distributed generating unit state residence times in the two-state and four-state models. The effects on the adequacy indices and the adequacy index distributions are illustrated by application to two practical test systems.

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)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,087
Score d'incertitude au seuil0,451

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
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 recherche0,0000,001
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 Opus0,007
Tête enseignante GPT0,229
Écart entre enseignants0,222 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations1
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part O Journal of Risk and ReliabilityMême sujetPower System Reliability and MaintenanceTravaux en français237 207