MétaCan
Menu
Retour à la cohorte
Enregistrement W2892597487 · doi:10.1109/tie.2018.2870366

An Efficient Hierarchical Zonal Method for Large-Scale Circuit Simulation and Its Real-Time Application on More Electric Aircraft Microgrid

2018· article· en· W2892597487 sur OpenAlexafffund
Zhen Huang, Venkata Dinavahi

Notice bibliographique

RevueIEEE Transactions on Industrial Electronics · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueReal-time simulation and control systems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaChina Scholarship Council
Mots-clésMicrogridField-programmable gate arrayComputationComputer scienceWaveformVoltageComputational complexity theoryProcess (computing)Electronic engineeringScale (ratio)VirtexGate arrayComputer engineeringTopology (electrical circuits)AlgorithmEngineeringElectrical engineeringEmbedded system

Résumé

récupéré en direct d'OpenAlex

Large-scale circuit simulation poses a challenge to most simulation tools because of its high computational complexity. This paper presents an efficient method, which decouples the circuit topology and components' characteristics in computation so as to make it suitable for large-scale circuit simulation. The proposed method is based on a circuit lemma, which indicates the relationship of branch voltages and currents. The proving process of this lemma is provided in this paper. The working principle of the proposed method is elaborated and its numerical stability is also analyzed. This method achieves nearly linear computational complexity and is very suitable for hierarchical and zonal computation. The proposed method is verified by real-time application on the more electric aircraft microgrid. Hardware-in-the-loop testing of this study case on Xilinx Virtex Ultrascale+ field programmable gate array (FPGA) board is achieved and the results are compared with PSCAD/EMTDC. The resulting waveforms from these two simulation tools show very good agreement on both normal and fault operation test scenarios, which demonstrates that the proposed method has very good performance on computational accuracy and efficiency.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,017
Tête enseignante GPT0,284
Écart entre enseignants0,267 · 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'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

Citations17
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industrial ElectronicsMême sujetReal-time simulation and control systemsTravaux en français237 207