MétaCan
Menu
Retour à la cohorte
Enregistrement W2151141567 · doi:10.1109/tpwrd.2003.822530

A Robust Approach for System Identification in the Frequency Domain

2004· article· en· W2151141567 sur OpenAlexaff
Bjørn Gustavsen, A. Semlyen

Notice bibliographique

RevueIEEE Transactions on Power Delivery · 2004
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueLightning and Electromagnetic Phenomena
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRealization (probability)MathematicsFrequency domainMinimal realizationRank (graph theory)Matrix (chemical analysis)Nonlinear systemControl theory (sociology)Model order reductionApplied mathematicsLinear systemMathematical analysisAlgorithmComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Accurate modeling of power system components for the purpose of electromagnetic transient calculations requires the frequency dependence of components to be taken into account. In the case of linear components, this can be achieved by identification of a terminal equivalent based on rational functions. This paper addresses the problem of approximating a frequency dependent matrix H(s) with rational functions for the purpose of obtaining a realization in the form of matrices A, B, C, D as used in state equations. It is shown that usage of the Vector Fitting approach leads to a realization in the form of a sum of partial fractions with a residue matrix for each pole. This can be directly converted into a realization in the form A, B, C, D in which B is sparse and each pole is repeated n times with n by n being the size of H. The number of repetitions can be strongly reduced and sometimes completely avoided by reducing the rank of the residue matrices, thereby producing a compacted realization which is physically more correct and also permits faster time-domain simulations. The error resulting from the rank-reduction can be reduced by subjecting the realization to a nonlinear least-squares procedure, e.g., Gauss-Newton as was used in this work.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,014
Tête enseignante GPT0,205
Écart entre enseignants0,191 · 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

Citations99
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power DeliveryMême sujetLightning and Electromagnetic PhenomenaTravaux en français237 207