MétaCan
Menu
Retour à la cohorte
Enregistrement W2785514060 · doi:10.1109/pesgm.2017.8273989

A knowledge-based framework for power flow and optimal power flow analyses

2017· article· en· W2785514060 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

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueOptimal Power Flow Distribution
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésCardinality (data modeling)Computer scienceProcess (computing)Power flowDomain (mathematical analysis)Flow (mathematics)Domain knowledgeKnowledge extractionPower (physics)Principal (computer security)Computational complexity theoryData miningElectric power systemMathematical optimizationAlgorithmMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper proposes the application of formal methods for knowledge discovery from large quantity of data to reduce the complexity of Power Flow (PF) and Optimal Power Flow (OPF) problems. In particular, a knowledge-based paradigm for PF and OPF analyses is used to extract complex features, hidden relationships, and useful hypotheses potentially describing regularities in the problem solutions from operation data-sets. This is realized by designing a knowledge-extraction process based on Principal Components Analysis (PCA). The structural knowledge extracted by this process is then used to project the problem equations into a domain in which these equations can be solved more effectively. In this new domain, the cardinality of the PF and OPF problem is sensibly reduced and, consequently, the problem solutions can be obtained more efficiently. The effectiveness of the proposed framework is demonstrated with numerical results obtained for realistic power networks for several operating conditions.

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)0,000
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,745
Score d'incertitude au seuil0,977

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,032
Tête enseignante GPT0,326
Écart entre enseignants0,294 · 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

En bref

Citations21
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOptimal Power Flow DistributionTravaux en français237 207