MétaCan
Menu
Retour à la cohorte
Enregistrement W2128104514 · doi:10.1109/icps.2000.854355

Deregulated transmission system reliability planning criteria based on historical equipment performance data

2002· article· en· W2128104514 sur OpenAlexaffabout
A.A. Chowdhury, D.O. Koval

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Reliability and Maintenance
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPlannerRule of thumbComputer scienceReliability (semiconductor)Business system planningElectric power systemReliability engineeringContingencyProbabilistic logicElectric power industryOperations researchTransmission systemTransmission (telecommunications)EngineeringSystems engineeringElectricityPower (physics)Artificial intelligenceTelecommunications

Résumé

récupéré en direct d'OpenAlex

In the past, electric utilities were continuously adding more facilities to their systems in order to satisfy the growing customer energy requirements. A utility industry traditionally has relied on a set of deterministic criteria to guide transmission planning. The traditional planning guidelines were based on planner's experience and intuition without a formal and consistent framework for their development. This paper identifies some of the limitations of traditional utility transmission system planning criteria and the possible implications for industrial and commercial customers. The primary objective of probabilistic planning criteria and techniques presented in this paper as opposed to the rules of thumb based planning criteria is to guide transmission system planners in balancing system cost and reliability performance. Contingency ranking has been used as a method of rationalizing system reliability enhancement projects with value-based concepts. This paper presents Alberta Power Limited's (APL) criteria review and development of system reliability planning criteria based on contingency ranking and 12 years of historical equipment performance data.

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)0,005
score de la tête « metaresearch » (Gemma)0,013
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: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,042
Tête enseignante GPT0,232
Écart entre enseignants0,190 · 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

Citations14
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetPower System Reliability and MaintenanceTravaux en français237 207