An Accurate Hysteresis Model for Ferroresonance Analysis of a Transformer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<para xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> This paper introduces an accurate transformer core model, using the Preisach theory, to represent the core magnetization characteristic. This modeling approach provides the required precision to match major and minor hysteresis loops of the model with those of the actual transformer core material. Using the proposed model, the ferroresonance phenomenon of a voltage transformer (VT) is simulated and compared to the corresponding experimental results. In addition, the simulated ferroresonance behavior of the VT based on: 1) the Electromagnetic Transients Program (EMTP)-RV hysteric reactor model, 2) the EMTP reactor type-96 model, and 3) a single-valued polynomial as magnetization characteristic, is also deduced and compared with the proposed model and the experimental results. The investigations conclude that the proposed model provides the most accurate results in terms of the VT core losses and the VT voltage waveforms and their peak values during 1) normal operating conditions, 2)ferroresonance transients and jumping from normal to ferroresonance operating conditions, and 3) ferroresonance steady-state conditions. Furthermore, higher accuracy of the proposed model in representing the hysteresis loop provides the highest and the most accurate bifurcation point and the transient loss when compared with other models. This paper also concludes that major and minor hysteresis loops must be represented in the core model to accurately simulate ferroresonance phenomenon of the VT. </para>
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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