MétaCan
Menu
Retour à la cohorte
Enregistrement W2508176491 · doi:10.1109/tia.2016.2599480

Proposal of a Time-Domain Platform for Short-Circuit Protection Analysis in Rapid Transit Train DC Auxiliary Systems

2016· article· en· W2508176491 sur OpenAlexaff
Maxime Berger, Carl Lavertu, Ilhan Koçar, Jean Mahseredjian

Notice bibliographique

RevueIEEE Transactions on Industry Applications · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrical Contact Performance and Analysis
Établissements canadiensPolytechnique MontréalBombardier (Canada)
Organismes subventionnairesnon disponible
Mots-clésTrippingConvertersEngineeringFault (geology)Circuit breakerAutomotive engineeringComputer scienceReliability engineeringElectrical engineeringVoltage

Résumé

récupéré en direct d'OpenAlex

This paper presents the development of detailed simulation models to study short-circuit protection of on-board dc auxiliary systems in a rapid transit train. As the investigation of protection solutions during the testing phases is costly, it is necessary to perform detailed protection analysis earlier in order to detect potential protection issues. This requires modeling the behavior of batteries, auxiliary converters, and the detection and arcing mechanisms of protection devices in detail, as shown in this paper. The protection device under consideration in this study is the molded-case circuit breakers (MCCBs) equipped with adjustable thermomagnetic trip unit which are widely used in the railway industry. To maintain battery system availability, they are selected, sized, and adjusted to avoid false tripping during emergency conditions. However, they must also be sensitive enough to detect the limited available fault current which is specific to rapid transit train dc auxiliary systems. Tolerances on the detection time of thermomagnetic units may be unacceptable as shown in this study. In order to overcome this problem, electronic trip unit assistance to conventional thermomagnetic-type MCCBs is proposed and the requirements for such a device are evaluated using the detailed simulation platform.

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)0,000
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 seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,020
Tête enseignante GPT0,230
Écart entre enseignants0,210 · 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

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industry ApplicationsMême sujetElectrical Contact Performance and AnalysisTravaux en français237 207