MétaCan
Menu
Retour à la cohorte
Enregistrement W2556236517 · doi:10.1109/tii.2016.2631570

A Stability and Accuracy Validation Method for Multirate Digital Simulation

2016· article· en· W2556236517 sur OpenAlexaff
Luc-André Grégoire, Handy Fortin Blanchette, Jean Bélanger, Kamal Al‐Haddad

Notice bibliographique

RevueIEEE Transactions on Industrial Informatics · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueReal-time simulation and control systems
Établissements canadiensOpal-Rt Technologies (Canada)École de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésDiscretizationControl theory (sociology)Stability (learning theory)Electric power systemComputer scienceState variableSampling (signal processing)Numerical stabilityPower (physics)AlgorithmMathematicsNumerical analysisFilter (signal processing)

Résumé

récupéré en direct d'OpenAlex

This paper presents a new validation method to demonstrate the stability and accuracy of a discretized system by using multiple sampling rates. Such multirate simulations are often encountered in real-time simulation application, where large power systems are coupled with circuit containing power electronics devices. Multirate simulation should not be confused with variable-step simulation, which is a single-rate simulation type. In single-rate simulation, the discretized system is stable when its discrete poles are within the unitary circle. When using multirate solvers, state variables are discretized with different sampling rates and poles location analysis for the system's equations cannot be used. This paper introduces a formal mathematical analysis demonstrating stability of multirate real-time simulation. System state variables, regardless of their discretization time step, are found in a single matrix. Classical pole analyses are thereafter used to test stability with poles location analysis. The method is given in a generalized form, and can be applied to various multirate solvers. The proposed method was found accurate and reliable using numerical examples.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
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 Opus0,062
Tête enseignante GPT0,293
Écart entre enseignants0,231 · 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
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

Citations17
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industrial InformaticsMême sujetReal-time simulation and control systemsTravaux en français237 207