MétaCan
Menu
Retour à la cohorte
Enregistrement W2767087007 · doi:10.1016/j.ifacol.2017.08.2370

Harmonic Fault Diagnosis in Power Quality System Using Harmonic Wavelet

2017· article· en· W2767087007 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIFAC-PapersOnLine · 2017
Typearticle
Langueen
DomaineEngineering
ThématiquePower Quality and Harmonics
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésHarmonicsWaveletElectronic engineeringTotal harmonic distortionTransformerElectric power systemHarmonicHarmonic analysisSIGNAL (programming language)Computer scienceFault (geology)EngineeringElectrical engineeringControl theory (sociology)AcousticsPower (physics)VoltagePhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The increasing use of non-linear loads such as power electronics, converters, arc furnaces, transformers, fluorescent and high intensity discharge lights have caused harmonics distortion in power quality (PQ) systems. On the other hand, harmonics have numerous effects on electrical systems. For examples, they can be troublesome to communication systems, they increase heating in the transformers and motors, and consequently decrease their life cycle. The first step to address these issues is to diagnose harmonic faults in power distribution systems. This paper introduces a new method for detecting harmonic faults using harmonic wavelets. For this purpose, harmonic wavelet transform (HWT) is used to decompose the faulty signal at different levels. Then, the energies of the decomposition levels based on parseval’s theorem are computed. Finally, the faulty signal is reconstructed with harmonics wavelets. Simulation results show that the suggested fault detection and diagnosis (FDD) system can successfully identify the maximum harmonic in the faulty signal and the amount of harmonics in the faulty signal compared to fundamental signal.

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.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,406
Score d'incertitude au seuil1,000

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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,069
Tête enseignante GPT0,318
Écart entre enseignants0,248 · 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