MétaCan
Menu
Retour à la cohorte
Enregistrement W2551927223 · doi:10.1109/iecon.2013.6699525

A new approach for computation of magnetic core losses in large hydro electrical generator

2013· article· en· W2551927223 sur OpenAlexaff
Ana B. M. Aguiar, Arezki Merkhouf, Kamal Al‐Haddad

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMagnetic Properties and Applications
Établissements canadiensHydro-QuébecÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésStatorRotor (electric)ComputationMagnetic coreCore (optical fiber)Generator (circuit theory)Finite element methodMagnetic circuitElectric generatorComputer scienceMagnetic fluxElectrical engineeringMechanical engineeringMagnetic fieldEngineeringElectromagnetic coilPhysicsStructural engineeringPower (physics)AlgorithmTelecommunications

Résumé

récupéré en direct d'OpenAlex

The predictions of the different magnetic core losses with acceptable accuracy are key parameters for temperature-rise calculations for any considered up-rate in large hydro electrical machines. In this paper, an overview of existing magnetic core loss models is reported. A new approach for the computation of the magnetic stator and rotor core loss is proposed. Finite element electromagnetic simulations were carried out on an existing hydro electrical generator rating 122.6 MVA, 13.8 kV, 60 Hz, 60 poles with 504 slots. The magnetic core losses were computed with the new proposed approach during the post processing in the stator and in the rotor. Finally, the obtained results are compared with other models and with the available test data.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,785
Score d'incertitude au seuil0,999

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)0,0020,000

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 Opus0,027
Tête enseignante GPT0,254
Écart entre enseignants0,227 · 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.

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

Citations4
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMagnetic Properties and ApplicationsTravaux en français237 207