MétaCan
Menu
Retour à la cohorte
Enregistrement W2161362601 · doi:10.1109/mper.2001.4311570

Effect of Regenerative Load on a Static Transfer Switch Performance

2001· article· en· W2161362601 sur OpenAlexaff
Hossein Mokhtari, S.B. Dewan, Mohammad Reza Iravani

Notice bibliographique

RevueIEEE Power Engineering Review · 2001
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésThyristorBenchmark (surveying)Maximum power transfer theoremFault (geology)Control theory (sociology)Transfer (computing)CommutationVoltageComputer sciencePower (physics)Electric power systemProcess (computing)Electronic engineeringEngineeringElectrical engineeringControl (management)

Résumé

récupéré en direct d'OpenAlex

A thyristor-based static transfer switch (STS) is used to connect an alternate source of ac power to a sensitive load when the main source fails. A main criterion for performance evaluation of an STS is the transfer time from the main to the alternate source. The transfer time depends upon the commutation process of the outgoing and incoming switches, which in tum depends on the system parameters and the load characteristics. This paper investigates the effect of a regenerative load on the transfer time/total load-transfer time of an STS and identifies the worst-case scenario(s) in which maximum transfer time occurs. The IEEE STS benchmark models STS-1 and STS-2 are chosen to demonstrate the STS performance under various fault/disturbance conditions in a medium-voltage distribution system and a low-voltage experimental set-up system. The simulations are performed using the PSCAD/EMTDC package. The paper shows that a hybrid load can operate in regenerative mode depending on the load parameters and fault/disturbance characteristics.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,006
Tête enseignante GPT0,222
Écart entre enseignants0,215 · 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'étudeExpérimental (laboratoire)
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

Citations23
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Power Engineering ReviewMême sujetPower System Optimization and StabilityTravaux en français237 207