Synchronous Generator Off-line Diagnosis Approach Including Fault Detection and Estimation of Failures on Machine Parameters
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Fault diagnosis involves the detection, location, and identification of faults. The objective of this work is twofold: first, fault detection in a synchronous generator using the parity space approach, a method based on building the fault indicators using analytical redundancy relationships, a generator model, and actual input and output data; second, computation of defaulting synchronous generator parameters using the maximum likelihood estimation algorithm, which combines the generalized least-squares estimator, the linear Kalman filter, and the Newton-type finite-difference optimization algorithm. In the first step, the proposed technique is successfully applied for external faults diagnosis of two generators: (1) a 4-pole, 60-Hz, 208-V, 1.5-kVA loaded laboratory synchronous generator using a 3-phase, sudden short-circuit fault at 10% rated voltage, and (2) an unloaded 20-pole, 60-Hz, 13.2-kV, 13.75-MVA large generator at Hydro-Québec's Rapides-des-Quinzes plant following a scenario of a 10% line-to-line short-circuit fault. For external faults, failures on parameters do not exist. The proposed scheme could therefore aid in building an automatic protective relay for the synchronous generators. In the second step, the diagnosis process is applied for the fault detection and determination of failures on parameters occurring on the 1.5-kVA generator following broken damper rotor's bars using finite-element simulated data.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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