MétaCan
Menu
Retour à la cohorte
Enregistrement W2342791491 · doi:10.1109/tpwrd.2015.2507440

Resonance-Free Shunt Capacitors—Configurations, Design Methods and Comparative Analysis

2015· article· en· W2342791491 sur OpenAlexafffund
Wilsun Xu, Tianyu Ding, Xin Li, Hao Liang

Notice bibliographique

RevueIEEE Transactions on Power Delivery · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueElectromagnetic Compatibility and Noise Suppression
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCapacitorFilter designPrototype filterElectronic engineeringActive filterFilter capacitorFilter (signal processing)Butterworth filterLow-pass filterVoltage-controlled filterBand-stop filterElectronic filterAdaptive filterm-derived filterElectronic filter topologyControl theory (sociology)Capacitor-input filterComputer scienceEngineeringElectrical engineeringVoltage

Résumé

récupéré en direct d'OpenAlex

Harmonic resonance has become an important concern for the application of shunt capacitors in recent years. A potential solution to address this challenge is to convert a shunt capacitor into a passive filter. This paper presents design methods to configure a shunt capacitor as a C-type filter or a third-order high-pass filter with guaranteed resonance-free performance. The concept of resonance-free condition is first introduced in this paper. It is then used to develop filter design methods that always meet the resonance-free condition. The two filter configurations are also compared. It was found that the third-order high-pass filter has more advantages than the C-type filter. Another useful finding of this work is that the filter parameters, as determined using the proposed design methods, are independent of the system conditions. As a result, a lookup table for the filter parameters has been created to facilitate immediate use by the industry.

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)0,002
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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,052
Tête enseignante GPT0,289
Écart entre enseignants0,237 · 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

Citations45
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power DeliveryMême sujetElectromagnetic Compatibility and Noise SuppressionTravaux en français237 207