MétaCan
Menu
Retour à la cohorte
Enregistrement W2025133193 · doi:10.1109/tec.2003.822296

Identification of Physical Parameters of a Synchronous Generator From Online Measurements

2004· article· en· W2025133193 sur OpenAlexaff
M. Karrari, O.P. Malik

Notice bibliographique

RevueIEEE Transactions on Energy Conversion · 2004
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueModel Reduction and Neural Networks
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Nonlinear systemPermanent magnet synchronous generatorTransfer functionVoltageMultivariable calculusGenerator (circuit theory)Synchronous motorElectric generatorEngineeringComputer sciencePower (physics)Control engineeringPhysicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

A new method to determine physical parameters of a synchronous generator based on an online measurement of the electrical power, terminal voltage, and field voltage, following a small perturbation of the field voltage, and the rotor angle at the same steady-state operating condition is described in this paper. A multivariable linear transfer function, identified using the sampled input-output data, is converted to the parameters of the Heffron-Phillips model. Using the relations of the Heffron-Phillips parameters with the physical parameters, the physical parameters are estimated. These estimated parameters are then used in a nonlinear structure to model the synchronous generator. Experimental results with the proposed method applied to a micromachine show good accuracy of the model and also show that the identified nonlinear model is valid at other operating conditions. At dramatically different operating conditions, however, to include the effects of unstructured nonlinearities such as magnetic saturation, the parameters of the nonlinear structure can be slightly adjusted for better performance.

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)0,002
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,022
Tête enseignante GPT0,240
Écart entre enseignants0,218 · 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

Citations150
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Energy ConversionMême sujetModel Reduction and Neural NetworksTravaux en français237 207