MétaCan
Menu
Retour à la cohorte
Enregistrement W2064046556 · doi:10.1109/pesgm.2014.6939813

Impact of employing state estimation of distribution networks on state estimation of transmission networks

2014· article· en· W2064046556 sur OpenAlexaff
A. Alimardani, Pouya Zadkhast, Francis Therrien, Juri Jatskevich, E. Vaahedi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensBC Hydro (Canada)University of British Columbia
Organismes subventionnairesnon disponible
Mots-clésObservabilityUnobservableRobustness (evolution)Transmission (telecommunications)Computer scienceReliability (semiconductor)Transmission networkElectronic engineeringReal-time computingEngineeringMathematicsTelecommunicationsEconometrics

Résumé

récupéré en direct d'OpenAlex

The smart meters installed throughout the distribution networks in some regions have opened an opportunity to have reliable State Estimation (SE) at the distribution level. The reliable distribution system SE results can also be used to improve the accuracy and reliability of SE in transmission networks. This paper studies the impact of employing the results of distribution network SE as additional measurements in transmission network SE. It is shown that the observability of transmission networks can be restored using smart meters when it is unobservable. Moreover, improvement in the robustness of SE in transmission networks is studied by monitoring the condition number of the gain matrix in the Weighted Least Squares (WLS) SE process. Finally, it is demonstrated that the accuracy of SE in transmission level can be improved using the results of SE on distribution level.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,746
Score d'incertitude au seuil0,535

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,240
Écart entre enseignants0,234 · 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 tête enseignante, 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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPower System Optimization and StabilityTravaux en français237 207