MétaCan
Menu
Retour à la cohorte
Enregistrement W2220323444 · doi:10.1109/ias.2015.7356953

Developing and testing phaselet frames-based digital protection for distributed generation units

2015· article· en· W2220323444 sur OpenAlexaff
S. A. Saleh, E. Ozkop, A. S. Aljankawey

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePower Systems Fault Detection
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésFault (geology)Transient (computer programming)Fault detection and isolationComputer scienceDigital filterFilter (signal processing)Electronic engineeringCoupling (piping)EngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

This paper presents the development and performance testing of a new digital protection for interconnected distributed generation units (DGUs). The developed digital protection is structured to detect and respond to transient disturbances (fault and non-fault conditions) based on the magnitudes and phases of the high frequency sub-band contents extracted from the d-q axis components of the currents flowing through the point-of-common-coupling (PCC). These magnitudes and phases are extracted by employing a set of 6 phaselet frames. The employed phaselet frames are realized by a modulated filter bank that is composed of 6 digital high pass filters (HPFs). The coefficients of digital HPFs are determined by bi-orthogonal phaselet basis functions. Extracted magnitudes and phases of the high frequency sub-band contents of the PCC d-q axis current components provide signature information for accurate detection and identification of faults. The performance of phaselet frames-based digital protection is experimentally tested for two wind energy conversion systems and a photovoltaic system under different fault and non-fault conditions. Test results of the proposed digital protection demonstrate reliable and timely responses, along with negligible sensitivity to the type and control of DGUs, type and location of faults, and loading levels.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,805
Score d'incertitude au seuil0,401

Scores Codex et Gemma par catégorie

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

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 Opus0,112
Tête enseignante GPT0,264
Écart entre enseignants0,153 · 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 tête enseignante, 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

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPower Systems Fault DetectionTravaux en français237 207