MétaCan
Menu
Retour à la cohorte
Enregistrement W2588969456 · doi:10.1109/ghtc.2016.7857306

Electronic load controller (ELC) design and simulation for remote rural communities: A powerhouse ELC compatible with household distributed-ELCs in Nepal

2016· article· en· W2588969456 sur OpenAlexaff
Johannes Chan, William David Lubitz

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésMicro hydroRural electrificationController (irrigation)VoltageDistributed powerElectrical engineeringEngineeringElectrificationPower stationElectricity

Résumé

récupéré en direct d'OpenAlex

Microhydro power is particularly suitable for Nepal's mountainous terrain and remote communities unconnected to a power grid. While Nepal's rural electrification rates have increased rapidly over recent decades, firewood remains the most prevalent cooking fuel - a significant WHO health concern. The electronic load controllers (ELCs) used in microhydro installations, which divert excess power to a dump load to regulate voltage and frequency, are among the components that most commonly fail. A previously proposed distributed electronic load controller (DELC) installed in each household can decrease system vulnerability to component failures while also diverting surplus power into household heaters to pasteurize water or slow-cook food, rather than into a single dump-load at the generating site as typical ELCs do. A three-phase generator supplying multiple homes is simulated with a powerhouse ELC to determine the range of load changes and DELC faults tolerable while maintaining Nepal standards for voltage and frequency regulation, and THD. Results show meeting voltage regulation standards does not confirm frequency and THD standards are met. Also, results suggest power ratings, cost, and weight of the ELC and dump load can be significantly reduced, and up to 2446% of a household's cooking can be done with dumped surplus power.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,516
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0000,000

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 Opus0,022
Tête enseignante GPT0,234
Écart entre enseignants0,212 · 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.

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

Citations10
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHybrid Renewable Energy SystemsTravaux en français237 207