MétaCan
Menu
Retour à la cohorte
Enregistrement W2774740500 · doi:10.1109/tia.2017.2670525

Enhancing Power Transformer Differential Protection to Improve Security and Dependability

2017· article· en· W2774740500 sur OpenAlexaff
Lubomir Sevov, Umar Khan, Zhiying Zhang

Notice bibliographique

RevueIEEE Transactions on Industry Applications · 2017
Typearticle
Langueen
DomaineEngineering
ThématiquePower Systems Fault Detection
Établissements canadiensGeneral Electric (Canada)
Organismes subventionnairesnon disponible
Mots-clésDependabilityCurrent transformerDifferential protectionTransformerEngineeringControl theory (sociology)Computer scienceReliability engineeringElectrical engineeringVoltage

Résumé

récupéré en direct d'OpenAlex

Current differential principle is a well-known principle used for protection of transformers, motors, generators, buses, and any other type of power equipment with input and output current measurements. Further, the principle is used in developing percent differential protection, which can be programmed to the desired sensitivity for detecting in-zone faults and security during external faults. This protection dependability is usually achieved by modeling a differential-restraining characteristic with two regions, operating and nonoperating, and tracking the real differential restraint ratio during faults. Some external faults with high dc offset and high X/R system time constant would easily saturate the installed current transformers (CTs), which in return would cause high differential/restraint ratio above the preset characteristic into the operating region. In such cases, the differential protection would operate and cause unwanted transformer trip. This paper focuses on some enhancements applied to the differential principle of the main differential protection; it also defines guidance on how to setup the protection for better sensitivity and security. The paper is supported by fault cases, showing the improved security and dependability during internal/external faults with and without CT saturation.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,010
Tête enseignante GPT0,246
Écart entre enseignants0,236 · 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'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

Citations23
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industry ApplicationsMême sujetPower Systems Fault DetectionTravaux en français237 207