MétaCan
Menu
Retour à la cohorte
Enregistrement W2170129051 · doi:10.1109/tpwrd.2009.2021039

Exploiting the Radial Distribution Structure in Developing a Fast and Flexible Radial Power Flow for Unbalanced Three-Phase Networks

2009· article· en· W2170129051 sur OpenAlexaff
M. F. AlHajri, M.E. El-Hawary

Notice bibliographique

RevueIEEE Transactions on Power Delivery · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueOptimal Power Flow Distribution
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésEigenvalues and eigenvectorsPower flowPower (physics)Flow (mathematics)Computer scienceMatrix (chemical analysis)Topology (electrical circuits)Iterative methodMathematical optimizationDistribution (mathematics)AlgorithmElectric power systemControl theory (sociology)MathematicsEngineeringElectrical engineeringMathematical analysisGeometryPhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The radial distribution network structure is exploited in developing a fast and flexible radial power flow (FFRPF) solution technique. The cornerstone of this technique is constructing one single building block matrix, called the radial configuration matrix (RCM), which is utilized in carrying out the radial power flow backward/forward iterative steps. The RCM is designed to have a small condition number with a determinant and all of its eigenvalues be equal to one to ensure its invertibility. By incorporating this matrix and its direct descendant matrices in solving the power flow problem, the CPU execution time is decreased compared with other methods. The FFRPF method is flexible in accommodating any changes that may take place in an existing radial distribution system since these changes can be exclusively incorporated within this matrix. The FFRPF is tested by using several balanced and unbalanced three-phase radial distribution systems.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,010
Tête enseignante GPT0,227
Écart entre enseignants0,217 · 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

Citations96
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power DeliveryMême sujetOptimal Power Flow DistributionTravaux en français237 207