MétaCan
Menu
Retour à la cohorte
Enregistrement W2760482887 · doi:10.1049/iet-gtd.2017.0288

Dynamic performance improvement of New York state power grid with multi‐functional multi‐band power system stabiliser‐based wide‐area control

2017· article· en· W2760482887 sur OpenAlexaff
Dmitry Rimorov, A. Heniche, Innocent Kamwa, Saman Babaei, George Stefopolous, B. Fardanesh

Notice bibliographique

RevueIET Generation Transmission & Distribution · 2017
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensHydro-Québec
Organismes subventionnairesNew York State Energy Research and Development Authority
Mots-clésElectric power systemInterconnectionControl theory (sociology)Low-frequency oscillationStabiliserDynamic demandComputer scienceTransient (computer programming)Stability (learning theory)GridPower (physics)Automatic frequency controlPower controlReduction (mathematics)EngineeringControl (management)TelecommunicationsMaterials scienceMathematics

Résumé

récupéré en direct d'OpenAlex

This study demonstrates the application of a wide‐area control scheme based on multi‐functional multi‐band power system stabilisers (MF‐MBPSS) in New York State grid for the purpose of system stability improvement. The aspects of oscillation damping, frequency and voltage closed‐loop control are considered. The study describes useful techniques for placing and tuning of MF‐MBPSSs based on simulation models and suitable techniques for very large power grids. The application of these concepts is demonstrated on a transient stability model of Eastern Interconnection. Results show a reduction of system frequency nadir during generation outages, significant improvement in damping of post‐disturbance swings and capabilities to contribute to long‐term voltage stability using only a modest amount of dynamic reactive power resources.

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: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,017
Tête enseignante GPT0,209
Écart entre enseignants0,192 · 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

Citations26
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET Generation Transmission & DistributionMême sujetPower System Optimization and StabilityTravaux en français237 207