MétaCan
Menu
Retour à la cohorte
Enregistrement W2061833385 · doi:10.1109/pesgm.2012.6344614

Network reconfiguration in balanced and unbalanced distribution systems with variable load demand for loss reduction and service restoration

2012· article· en· W2061833385 sur OpenAlexaff
Aboelsood Zidan, Ehab F. El‐Saadany

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueOptimal Power Flow Distribution
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésControl reconfigurationReduction (mathematics)Control theory (sociology)Fault (geology)Computer sciencePower (physics)Reliability engineeringVariable (mathematics)Topology (electrical circuits)EngineeringMathematicsElectrical engineeringControl (management)Embedded system

Résumé

récupéré en direct d'OpenAlex

This paper presents a simple and efficient reconfiguration approach for balanced and unbalanced radial distribution networks with Distributed Generators. The proposed approach starts with meshed networks by closing all tie switches. A switching index is defined for reconfiguration using apparent power flow in lines. The radial configuration was restored by opening one switch in each loop subjected to system operational constraints. The switching index can be used for both loss reduction and service restoration during normal and emergency situations respectively. The time varying nature of loads through using daily load profiles was considered. The results concluded the effectiveness of: (i) fixed configuration compared to hourly reconfiguration in terms of energy losses and number of switching operations during normal operation; and (ii) building restoration plans with the consideration of load variation compared to plans based on pre-fault or peak load values. The proposed method has been tested on one balanced and one unbalanced 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 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)0,001
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 recherche0,0000,000
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 Opus0,008
Tête enseignante GPT0,201
Écart entre enseignants0,193 · 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

Citations25
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOptimal Power Flow DistributionTravaux en français237 207