Time-Varying Contingency Screening for Dynamic Security Assessment Using Intelligent-Systems Techniques
Notice bibliographique
Résumé
A time-frequency-based approach for contingency severity ranking and rapid stability assessment is described. The aim is to classify correctly all single or multiple contingencies that may result in loss of voltage or frequency stability in the first 20 s following the last disturbing action. We start by selecting a number of strategic monitoring buses where the phasor measurement units are located to capture representative voltage magnitudes and angles during detailed time-domain simulations, which cover special protection systems and on-load tap changers. The short-time Fourier transform is then dynamically applied to the responses for extracting selected decision features as the simulation time evolves. It is shown that frequency-domain features such as the peak spectral density of the angle, frequency, and their dot product evaluated over the grid areas are reliable time-varying stability indicators that can form the basis of an entirely secure classification system able to respond within 2 to 3 s after the last event in the contingency. This allows early termination of about 60% of permanently stable simulations. Fuzzy logic and neural networks are used together to make initial decisions, which are then mixed by voting in order to improve the assessment reliability and security at the expense of a reduced yield. The proposed DSA scheme is successfully tested with 1027 contingencies from two widely differing test systems: a 67-bus fictitious system and a 783-bus system in actual use at Hydro-Québec's operations planning department.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».