MétaCan
Menu
Retour à la cohorte
Enregistrement W2023410627 · doi:10.1002/eej.20485

A distributed autonomous approach for bulk power system restoration by means of multi‐agent system

2008· article· en· W2023410627 sur OpenAlexaboutno aff
Takeshi Nagata, Y. Tahara, Daisuke Kunisa, Hideki Fujita

Notice bibliographique

RevueElectrical Engineering in Japan · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueOptimal Power Flow Distribution
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBlackoutElectric power systemOrder (exchange)Computer scienceDistributed computingPower (physics)Agent-based modelReliability engineeringEngineeringOperations researchArtificial intelligenceBusinessPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract In recent years, the electric utility industry worldwide has been facing pressure to be deregulated. Also, the risk of blackout in large areas will increase. Actually, it is still vivid in our memory that the northeastern United States and southern Canada suffered the worst blackout in history. Consequently, a method to find the optimal solution rapidly is needed all the more. In this paper, we propose a new multi‐agent method for a bulk power system restoration. In order to demonstrate the capability of the proposed multi‐agent system, it has been applied to a model bulk power system, which consists of three local areas including 12 generating units and 12 loads, and three remote areas with 12 loads. A large number of simulations are carried out on this model network with changing conditions. The simulation results show that the proposed multi‐agent approach is effective and promising. © 2008 Wiley Periodicals, Inc. Electr Eng Jpn, 164(1): 69–76, 2008; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/eej.20485

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,009
Tête enseignante GPT0,191
Écart entre enseignants0,182 · 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

Citations2
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueElectrical Engineering in JapanMême sujetOptimal Power Flow DistributionTravaux en français237 207