MétaCan
Menu
Retour à la cohorte
Enregistrement W2901430479 · doi:10.1016/j.aej.2018.03.011

Modern network reconfiguration techniques for service restoration in distribution systems: A step to a smarter grid

2018· article· en· W2901430479 sur OpenAlexaff
Ahmed E. B. Abu-Elanien, M.M.A. Salama, Khaled Shaban

Notice bibliographique

RevueAlexandria Engineering Journal · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueOptimal Power Flow Distribution
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésControl reconfigurationComputer scienceDistributed computingSmart gridGridService (business)State (computer science)Representation (politics)Embedded systemEngineeringAlgorithmElectrical engineeringMathematics

Résumé

récupéré en direct d'OpenAlex

This paper presents state of the art reconfiguration techniques used for service restoration in distribution systems under different practical considerations. The different formulations of the problem together with the different solution methods are presented to show the advantages and disadvantages of each formulation and each solution. Other aspects that enhance the solution practicability such as load variations, load priority, cold load pickup, network connectivity representation, and existence of distributed generation are considered with directions for future research to convert current distribution system into an automatic self-healing system, which is the main pillar of the smart grid. The control method and the communication techniques used in the execution of the reconfiguration problem solution are highlighted and the new research directions in each issue are emphasized. The conclusion about the reconfiguration problem the formulation, the solution method, and the guidelines about unexplored research areas in this topic are presented at the end of the paper.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

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 technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,009
Tête enseignante GPT0,217
Écart entre enseignants0,208 · 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

Citations40
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlexandria Engineering JournalMême sujetOptimal Power Flow DistributionTravaux en français237 207