A Dynamic Programming Methodology to Develop De-Icing Strategies During Ice Storms by Channeling Load Currents in Transmission Networks
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
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.
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 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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