MétaCan
Menu
Retour à la cohorte
Enregistrement W2828599539 · doi:10.1109/i2mtc.2018.8409542

The harmonic impact project — IEEE-1459 power definitions trialed in revenue meters

2018· article· en· W2828599539 sur OpenAlexaffabout
Andrew J Berrisford

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePower Quality and Harmonics
Établissements canadiensBC Hydro (Canada)
Organismes subventionnairesnon disponible
Mots-clésMetering modeHarmonicsRevenueElectricity meterComputer scienceTotal harmonic distortionMetreAutomatic meter readingSmart meterSmart gridHarmonicTelecommunicationsElectrical engineeringPower (physics)Electronic engineeringReliability engineeringEngineeringWirelessVoltageFinanceBusiness

Résumé

récupéré en direct d'OpenAlex

Most meter specifications presently do not define accuracy requirements in the presence of harmonics. Meter designs could therefore use different definitions or algorithms that produce different measurements in the presence of harmonics. Smart Grid environments with Distributed Generation could have significant levels of distortion, and revenue meters must be able to distinguish between the energy traded at 60 Hz (50Hz) and harmonics. The IEEE-1459 Standard provides a power definition model that is ideal for revenue metering. Efforts to revise Canadian meter specifications to cater for harmonic-rich environments have been hampered by several factors, including a lack of empirical data on the magnitude of the problem and concerns that present meter technology could not address the problem cost-effectively. BC Hydro initiated the Harmonic Impact Project (HIP) to show that off-the-shelf smart meters could implement the proposed definitions, and to obtain and evaluate empirical field data based on several power definitions. The HIP project confirms that these metering inequities exist and that their magnitude can be significant. The project also confirms that the IEEE-1459 fundamental-only power definitions are suitable for revenue metering and can be implemented by present meter technology.

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)0,035
score de la tête « metaresearch » (Gemma)0,052
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,185

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0350,052
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,003
Communication savante0,0040,004
Science ouverte0,0020,002
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,089
Tête enseignante GPT0,317
Écart entre enseignants0,228 · 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

Citations5
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetPower Quality and HarmonicsTravaux en français237 207