Real-time update of a frequency dependant admittance matrix [power systems]
Notice bibliographique
Résumé
Network components are nonlinear devices and their impedance values vary with frequency, voltage and power variations. Tracking of these parameters and subsequent update tasks are mainly CPU intensive. Accuracy expected from modern digital simulators imposes frequent updates of the various admittance values. Real-time digital simulators impose the new challenge of performing these updates on large matrix at best in HRT (hard real-time) (every step) and at worst in near real-time (every few steps). HRT is achieved when the computations are performed as fast as the phenomena unfolds, in this case 60 Hz. The authors have focused on this problem and more specifically on the frequency dependency. They have examined various algorithms and developed an implementation strategy that allows real-time frequency compensation of large network admittance matrices. Their algorithm consists in representing each circuit element by its frequency dependent quadrupole model and the corresponding q-matrix. These q-matrices are combined to produce the network elements equivalent c-matrices. Finally, the c-matrices are used to compute the updated admittance matrix elements and update the network nodal matrix. Their strategy consists in isolating the q-matrix and c-matrix formation from the admittance matrix update. In this fashion, the algorithm can be easily implemented on a parallel architecture and thus achieve HRT. The algorithm, the models and the strategy have been implemented on a two serial and one parallel computers using the C programming language. In this paper, the authors present their results as applied to a single-phase balanced power network.
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 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) | 0,020 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».