A Dynamic Programming Methodology to Develop De-Icing Strategies During Ice Storms by Channeling Load Currents in Transmission Networks
Notice bibliographique
Résumé
The ice storm of 1998 in northeastern North America caused much damage to the electrical installations of Trans-E/spl acute/nergie, the transmission provider in Que/spl acute/bec. Consequently, staff there and at Hydro-Que/spl acute/bec's research centre IREQ have deployed substantial efforts to mitigate the effects of future ice storms. This paper describes one of many projects dedicated to that goal. A computer program has been developed to simulate the ice buildup (also called accretion) on wires of electrical transmission lines and the melting of this ice using the heat generated by the currents flowing in the wires, under evolving network and weather conditions. Using these simulation tools, scenarios presenting different network configurations can be tested and the best sequence of scenarios, called a de-icing strategy, can be applied to reduce the ice buildup over the network. The methodology proposed here to determine de-icing strategies, based on dynamic programming, constitutes an optimal control to minimize ice buildup on the network over the set of scenarios and over the time horizon spanning the anticipated duration of the ice storm. A prototype of this computation has been tested using network data from the TranE/spl acute/nergie network and weather data from the 1998 ice storm. Once completed, the program will serve as an aide to operators during ice storms and as a training tool to better prepare for such eventualities.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».