MétaCan
Menu
Retour à la cohorte
Enregistrement W2305847513 · doi:10.1049/iet-gtd.2015.0927

Synchrophasor measurement‐based fault location technique for multi‐terminal multi‐section non‐homogeneous transmission lines

2016· article· en· W2305847513 sur OpenAlexaff
Ting Wu, Chi-yung Chung, Innocent Kamwa, Jiayong Li, Mingwen Qin

Notice bibliographique

RevueIET Generation Transmission & Distribution · 2016
Typearticle
Langueen
DomaineEngineering
ThématiquePower Systems Fault Detection
Établissements canadiensHydro-QuébecUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésFault (geology)PhasorFault indicatorElectric power transmissionOverhead (engineering)Line (geometry)Stuck-at faultTransmission lineTerminal (telecommunication)ComputationFault coverageEngineeringFault detection and isolationPower (physics)Computer scienceReal-time computingElectric power systemAlgorithmElectrical engineeringElectronic circuitMathematicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

This study presents a fault‐location technique for multi‐terminal multi‐section non‐homogeneous transmission lines which combine overhead lines with underground power cables, by using voltage and current synchrophasors obtained from phasor measurement units. First, a faulty line branch is selected to narrow down the suspected faulty area. Then, the faulty section and the exact fault location can be identified by calculating the normalised fault distance for each section on the selected faulty branch. Computational burden of the proposed analytical scheme is very low because it avoids iterative computations. Promising simulation results show that the proposed fault location technique can accurately locate the fault regardless of the fault type, fault resistance, fault location, pre‐fault loading and line parameters inaccuracies.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,036
Tête enseignante GPT0,269
Écart entre enseignants0,233 · 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
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

Citations26
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET Generation Transmission & DistributionMême sujetPower Systems Fault DetectionTravaux en français237 207