MétaCan
Menu
Retour à la cohorte
Enregistrement W2052573107 · doi:10.1109/mpae.2006.1687817

Implementation of online security assessment

2006· article· en· W2052573107 sur OpenAlexaff
Lei Wang, K. Morison

Notice bibliographique

RevueIEEE Power and Energy Magazine · 2006
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensPowertech Labs (Canada)
Organismes subventionnairesSouthern Company
Mots-clésSoftware deploymentRisk analysis (engineering)Computer scienceElectric power systemProcess (computing)Key (lock)Reliability engineeringReliability (semiconductor)Computer securitySecurity controlsGridSystems engineeringControl (management)EngineeringSoftware engineeringPower (physics)Operating system

Résumé

récupéré en direct d'OpenAlex

The implementation of online dynamic security assessment (DSA) systems is growing worldwide, and the deployment of this advanced technology is expected to improve the real-time security and, hence, the reliability of power systems. While not insignificant, the cost and efforts required to install online DSA tools are minor compared to the benefits of reducing the volume of offline studies required and, more importantly, the benefits of identifying and avoiding potential security problems in the systems to reduce the risk of blackouts. Based on practical experience, a process of DSA system integration is presented that can assist utilities and grid operators in addressing key issues during the specification, development, and installation of such tools. A number of successful online DSA projects are discussed to illustrate the viability and practicality of such applications, even for large, complex power systems. The penetration of online DSA tools is expected to continue to grow as operators seek timely and cost-effective approaches to enhance system performance. In the meantime, work is continuing on new methods of online analysis, advanced preventive and corrective control tools, and improved hardware architectures

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)0,008
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,017
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,005
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0300,011

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 Opus0,005
Tête enseignante GPT0,244
Écart entre enseignants0,240 · 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'étudeSans objet
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

Citations72
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Power and Energy MagazineMême sujetPower System Optimization and StabilityTravaux en français237 207