MétaCan
Menu
Retour à la cohorte
Enregistrement W2345795240 · doi:10.1109/tpwrs.2015.2473797

Reliability Evaluation of a Tidal Power Generation System Considering Tidal Current Speeds

2015· article· en· W2345795240 sur OpenAlexaff
Mingjun Liu, Wenyuan Li, Caisheng Wang, R. Billinton, Juan Yu

Notice bibliographique

RevueIEEE Transactions on Power Systems · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueWind Energy Research and Development
Établissements canadiensUniversity of SaskatchewanSimon Fraser University
Organismes subventionnairesHigher Education Discipline Innovation Project
Mots-clésTidal powerCurrent (fluid)Reliability (semiconductor)Rotor (electric)Failure ratePower (physics)EngineeringMarine engineeringPhysicsReliability engineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

This paper presents a reliability evaluation method for a tidal power generation system (TPGS) with a doubly-fed induction generator (DFIG). The key to the method is the modeling of the tidal current speed-dependent failure rates of the rotor side converter (RSC) and grid side converter (GSC). The models for calculating the rotor currents through the RSC and GSC and the rotor current state related failure rates are presented. Based on the Wakeby distribution of tidal current speed, a multistate discrete probability distribution technique for rotor current is developed. Case studies are described using tidal current speed data from four coastal sites in North America. The results indicate that the failure rates of the RSC, GSC, and the entire TPGS vary with tidal current speeds and the probability distributions of tidal current speed. The TPGS suffers a much higher failure risk in the super-synchronous mode than in the idle and subsynchronous modes. The failure rate of the RSC is much higher than that of the GSC. The change trends in the failure rates of RSC and GSC in the operation modes are different. The probability distributions of tidal current speed have significant impacts on the reliability of the TPGS.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,070
Tête enseignante GPT0,284
Écart entre enseignants0,214 · 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

Citations52
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power SystemsMême sujetWind Energy Research and DevelopmentTravaux en français237 207