MétaCan
Menu
Retour à la cohorte
Enregistrement W2147889003 · doi:10.1109/jpets.2015.2427370

Real-Time Simulation Technologies for Power Systems Design, Testing, and Analysis

2015· article· en· W2147889003 sur OpenAlexfundno aff
M. D. Omar Faruque, Thomas Strasser, Georg Lauss, Vahid Jalili-Marandi, Paul Forsyth, Christian Dufour, Venkata Dinavahi, Antonello Monti, Panos Kotsampopoulos, J.A. Martínez, Kai Strunz, Maryam Saeedifard, Xiaoyu Wang, David R. Shearer, Mario Paolone

Notice bibliographique

RevueIEEE Power and Energy Technology Systems Journal · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueReal-time simulation and control systems
Établissements canadiensnon disponible
Organismes subventionnairesCollege of ComputingNational Technical University of AthensTechnische Universität BerlinCarleton UniversityAustrian Institute of TechnologyUniversity of TorontoUniversitat Politècnica de CatalunyaUniversity of AlbertaNational and Kapodistrian University of AthensAin Shams UniversityRWTH Aachen UniversityUniversity of Texas at ArlingtonU.S. Department of EnergyGeorgia Institute of TechnologyFlorida State University
Mots-clésInterfacingComputer scienceSoftwareTask (project management)Real-time simulationSalientState (computer science)Systems engineeringEmbedded systemComputer hardwareEngineeringOperating system

Résumé

récupéré en direct d'OpenAlex

This task force paper summarizes the state-of-the-art real-time digital simulation concepts and technologies that are used for the analysis, design, and testing of the electric power system and its apparatus. This paper highlights the main building blocks of the real-time simulator, i.e., hardware, software, input-output systems, modeling, and solution techniques, interfacing capabilities to external hardware and various applications. It covers the most commonly used real-time digital simulators in both industry and academia. A comprehensive list of the real-time simulators is provided in a tabular review. The objective of this paper is to summarize salient features of various real-time simulators, so that the reader can benefit from understanding the relevant technologies and their applications, which will be presented in a separate paper.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,005

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 Opus0,020
Tête enseignante GPT0,239
Écart entre enseignants0,219 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations477
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Power and Energy Technology Systems JournalMême sujetReal-time simulation and control systemsTravaux en français237 207