Notice bibliographique
Résumé
Power system security and reliability has a higher priority in power system operations. Power systems are exposed to any failures due to their structures. Preventing any unscheduled outage from happening within the power system is impossible, but analyzing possible outages in order to predict their consequences is essential. Contingency analysis is an important tool in evaluating power system security. It models any single or multiple outages to predict power system state variables after them. By analyzing and preparing for outages, their consequences can be contained. The N-1 contingency which models any single outages of a power system is studied. A DC power flow is used to identify critical single line outages, and the selected critical contingencies are evaluated in detail by an AC power flow. A DC power flow performance in estimating line active power flow is evaluated by an appropriate index. It is shown that a DC power flow has an acceptable performance in contingency analysis. The main goal of this study is to identify critical double line outages whose outage will lead to line flow violations in a power system. This is defined as N-2 contingency analysis. Evaluating all possible N-2 contingencies is a huge burden computationally. Identifying important double line outages without evaluating all N-2 contingencies by either an AC power flow or DC power flow is possible. Screening algorithms are used to identify critical outages based on line outage distribution factors and N-1 contingency analysis. The results are compared to the ones obtained from full AC power flow. It is shown that these algorithms are able to identify a very high percentage of the double line outages that result in line flow violations.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».