MétaCan
Menu
Retour à la cohorte
Enregistrement W2787116879 · doi:10.1109/epec.2017.8286193

Modal identification of power system oscillation using parametric DFT technique

2017· article· en· W2787116879 sur OpenAlexaff
Sakthivel Rajmurugan, B. Jeyasurya

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésDiscrete Fourier transform (general)Parametric statisticsOscillation (cell signaling)SIGNAL (programming language)Control theory (sociology)Fourier transformAmplitudeElectric power systemNoise (video)Parametric modelWhite noiseDamping ratioSystem identificationSignal processingModalPower (physics)AcousticsMathematicsComputer scienceEngineeringFourier analysisPhysicsElectronic engineeringMathematical analysisOpticsShort-time Fourier transformVibrationTelecommunicationsDigital signal processingMaterials scienceData modelingArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Fourier based technique of system identification by mode decomposition has always been non-parametric which might not be accurate for power system applications. In this paper, a parametric Discrete Fourier transform (DFT) technique is used to identify both inter-area modes and local area modes of a power system oscillation. The natural frequency and damping ratio (the poles) are obtained from fitting a curve around the dominant peaks in the DFT of the measured signal. Using the estimated poles, the amplitude and phase are obtained by fitting with the measured signal like any other parametric method. In this paper, the parametric DFT is applied for a synthetic signal with closely spaced inter-area modes with poor-damping which is validated in the presence of two levels of white Gaussian noise. The WECC 9 bus system is considered as a case study and the parametric DFT technique is compared and contrasted with the traditional Prony analysis technique.

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)0,000
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,837
Score d'incertitude au seuil0,294

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 Opus0,018
Tête enseignante GPT0,253
Écart entre enseignants0,235 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPower System Optimization and StabilityTravaux en français237 207