MétaCan
Menu
Retour à la cohorte
Enregistrement W2107926956 · doi:10.1109/pes.2006.1709624

Performance of various magnetic core models in comparison with the laboratory test results of a ferroresonance test on a 33 kV voltage transformer

2006· article· en· W2107926956 sur OpenAlexaff
Afshin Rezaei‐Zare, H. Mohseni, Majid Sanaye‐Pasand, Shahrokh Farhangi, Reza Iravani

Notice bibliographique

Revue2006 IEEE Power Engineering Society General Meeting · 2006
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMagnetic Properties and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFerroresonance in electricity networksEmtpMagnetic coreTransformerInductanceVoltageControl theory (sociology)Electronic engineeringElectric power systemMechanicsElectrical engineeringEngineeringPower (physics)Computer sciencePhysicsElectromagnetic coil

Résumé

récupéré en direct d'OpenAlex

Ferroresonance is a nonlinear phenomenon and occurs in all voltage levels of power systems. One of the main elements of a ferroresonance circuit is saturable inductance. Existing electromagnetic transient programs such as EMTP present various models of magnetization characteristics of saturable cores. However, to study ferroresonance phenomenon, many papers have used single-valued characteristics for magnetic cores and ignored hysteresis effects. In this paper, some modeling methods of magnetic core characteristics are reviewed and the results of a ferroresonance test on a 33 kV voltage transformer are presented. Using the results of the voltage transformer no-load test, the magnetization characteristic is obtained and the magnetic core is modeled by various methods. The comparison between the experimental and simulation results shows that in analysis of some ferroresonance cases, the aspect of inherent variation of inductance in hysteresis loops is more important than the power loss introduced by these loops. Therefore, in such cases, the core characteristic must be represented by a hysteretic model. Otherwise, the simulation results may present significant errors.

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: Empirique
Score de désaccord entre enseignants0,003
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 technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,200
Écart entre enseignants0,191 · 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

Citations17
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2006 IEEE Power Engineering Society General MeetingMême sujetMagnetic Properties and ApplicationsTravaux en français237 207