MétaCan
Menu
Retour à la cohorte
Enregistrement W2073623624 · doi:10.1109/isgteurope.2010.5638898

Spectral analysis techniques with Kalman filtering for estimating power quality indices

2010· article· en· W2073623624 sur OpenAlexaff
Reza Zolfaghari, Y. Shrivastava, Vassilios G. Agelidis, Grace Chu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePower Quality and Harmonics
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésKalman filterComputer scienceElectronic engineeringSpectral densityTotal harmonic distortionRobustness (evolution)Distortion (music)Power factorWaveformVoltageDigital signal processingHarmonic analysisHarmonicsEngineeringElectrical engineeringBandwidth (computing)TelecommunicationsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper presents the theory, design and implementation of two real time virtual instruments to measure the power quality indices such as current harmonic distortion, voltage harmonic distortion and power factor as given by the IEEE standard. Different windowing techniques are explored in the estimation of the spectra. Cross spectral analysis is used for the measurement of phase angles in voltage and current signal. The virtual instrument integrates digital signal processing (DSP) methods such as windowing techniques and Cross-spectral density estimation with Welch spectral estimation to calculate voltage and current phasors. Moreover a tunable Kalman filter with a forgetting factor is applied to further enhance the results due to noise in the measurement. Simulations followed by a real time experiment using a rectified AC waveform applied across an RL circuit is followed to support the theoretical claims and further to show the robustness of the virtual instruments. Finally the two instruments are compared with each other in terms of performance and speed.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,363
Score d'incertitude au seuil0,470

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 Opus0,022
Tête enseignante GPT0,297
Écart entre enseignants0,276 · 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'étudeExpérimental (laboratoire)
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

Citations3
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPower Quality and HarmonicsTravaux en français237 207