MétaCan
Menu
Retour à la cohorte
Enregistrement W2090883575 · doi:10.1109/tsg.2015.2394361

Robust Meter Placement for State Estimation in Active Distribution Systems

2015· article· en· W2090883575 sur OpenAlexaff
Mohammad Ghasemi Damavandi, Vikram Krishnamurthy, José R. Martí

Notice bibliographique

RevueIEEE Transactions on Smart Grid · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueOptimal Power Flow Distribution
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPhasorMathematical optimizationHessian matrixSubmodular set functionGreedy algorithmComputer scienceObservabilityElectric power systemControl theory (sociology)AlgorithmMathematicsPower (physics)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

The active nature of next generation distribution systems requires a highly accurate real-time monitoring for state estimation and situational awareness. This paper considers the problem of robust placement of a limited number of voltage magnitude meters and phasor measurement units for state estimation in an active distribution system comprising topological reconfigurations. The trace of the inverse of the Fisher information matrix is chosen as criterion for the estimation accuracy. For meter placement in a single configuration distribution system, the greedy approach provides a near-optimal solution as well as a theoretical approximation guarantee. However, for meter placement in an active distribution system, a robust approach is required to optimize the worst case estimation accuracy among all possible configurations of the system. In this paper, a simple robust algorithm, called submodular saturation algorithm, for meter placement in active distribution systems is proposed. Numerical results on three different active distribution systems show that the submodular saturation algorithm outperforms the greedy algorithm and the genetic algorithm in most cases, and provides competitive results in other cases.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,033
Tête enseignante GPT0,240
Écart entre enseignants0,207 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations115
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Smart GridMême sujetOptimal Power Flow DistributionTravaux en français237 207