MétaCan
Menu
Retour à la cohorte
Enregistrement W2106652091 · doi:10.1109/59.871729

Optimal power flow by a nonlinear complementarity method

2000· article· en· W2106652091 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Transactions on Power Systems · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueOptimal Power Flow Distribution
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésNonlinear systemPower flowNonlinear complementarity problemMathematicsNewton's methodComplementarity (molecular biology)Complementarity theoryMathematical optimizationApplied mathematicsMathematical analysisControl theory (sociology)Electric power systemPower (physics)Computer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

A nonlinear complementarity method for solving nonlinear optimal power flow problems is presented. This method stems from proposed reformulation of complementarity problems as nonlinear systems of equations which age, in turn, solved by a Newton-type method. To reformulate optimal power flow problems as nonlinear systems of equations we employ a function /spl psi//sub /spl mu//: /spl Rscr//sup 2//spl rarr//spl Rscr/ that satisfies the property /spl psi//sub /spl mu//(a,b)=0/spl hArr/a>0, b>0 and ab=/spl mu/, for any /spl mu/>0. Then, unlike interior-point methods, the new method handles the complementarity conditions for optimality, s/sub i//spl ges/0, /spl pi//sub i///spl ges/0 and s/sub i//spl pi//sub i/=0, without requiring that s/sub i/>0 and /spl pi//sub i/>0 be satisfied at every iterate. Numerical results illustrate the viability of the proposed method as applied to several power networks. A comparison with two interior-point algorithms is discussed.

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 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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,964
Score d'incertitude au seuil1,000

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)0,0040,001

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 Opus0,009
Tête enseignante GPT0,243
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