MétaCan
Menu
Retour à la cohorte
Enregistrement W2102359339 · doi:10.1109/tcst.2011.2116022

Wide-Area Control of Power Systems Through Delayed Network Communication

2011· article· en· W2102359339 sur OpenAlexaff
Shaobu Wang, Xiangyu Meng, Tongwen Chen

Notice bibliographique

RevueIEEE Transactions on Control Systems Technology · 2011
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésDropout (neural networks)Network packetControl areaController (irrigation)Networked control systemComputer scienceControl theory (sociology)Electric power systemWide area networkTelecommunications networkControl systemPacket lossCommunications systemControl engineeringPower (physics)Control (management)EngineeringComputer network

Résumé

récupéré en direct d'OpenAlex

Like general network communication, there are network-induced delays, data packet dropout and disordering in the communication of wide-area measurement systems. What impact do these factors have on the control of wide-area closed-loop power systems? This study aims at developing methods in order to take these factors into account in control of wide-area power systems. First, a networked control system model is constructed for wide-area closed-loop power systems; in this model, network-induced delays, data packet dropout, and disordering are captured by time-varying delays in wide-area measurement systems. Then, linear matrix inequality based methods are applied to design a controller for better power system performance using wide-area information as feedback signals. The controller can tolerate network-induced delays, data packet dropout, and disordering in the communication of wide-area measurement systems. Finally, we give some simulation results showing the effectiveness of our approach.

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)0,002
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 enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,013
Tête enseignante GPT0,200
Écart entre enseignants0,186 · 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

Citations251
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Control Systems TechnologyMême sujetPower System Optimization and StabilityTravaux en français237 207