MétaCan
Menu
Retour à la cohorte
Enregistrement W2289523020 · doi:10.1109/iemdc.2015.7409098

Parameter identification from SSFR tests and d-q model validation of synchronous generator

2015· article· en· W2289523020 sur OpenAlexaff
Stéphanie Rakotovololona, Maxim Bergeron, J. Cros, P. Viarouge

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésInductancePermanent magnet synchronous generatorControl theory (sociology)LinearizationMATLABEquivalent circuitComputer scienceElectromagnetic coilSaturation (graph theory)Electronic engineeringEngineeringVoltageElectrical engineeringMathematicsNonlinear system

Résumé

récupéré en direct d'OpenAlex

This paper introduces a fast parameter identification technique for a two-order d-q model of a synchronous generator from Standstill Frequency Response (SSFR) tests. This identification method is based on a modified SSFR test and the curves of the no-load and sustained short-circuit tests. This allows the lowest SSFR frequency to be 0.01Hz instead of 0.001Hz. The phase and field resistances are measured from fast and precise DC tests during the SSFR test. In this work, the value of the unsaturated synchronous inductance is defined from the no-load air gap linearization and the short-circuit saturation curve. This definition fits better when the saturation is considered and we present how to implement this approach with the Matlab-Simulink SimPowerSystem standard d-q models. Validations are made using sudden short-circuit tests at nominal field current to evaluate d-q model performances with magnetic saturation.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,463
Score d'incertitude au seuil0,212

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 Opus0,025
Tête enseignante GPT0,234
Écart entre enseignants0,209 · 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

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPower System Optimization and StabilityTravaux en français237 207