MétaCan
Menu
Retour à la cohorte
Enregistrement W2947309294 · doi:10.1109/tpwrd.2019.2919252

Stability of Algorithms for Electro-Magnetic-Transient Simulation of Networks With Switches and Non-Linear Inductors

2019· article· en· W2947309294 sur OpenAlexaff
Huanfeng Zhao, Shengtao Fan, A.M. Gole

Notice bibliographique

RevueIEEE Transactions on Power Delivery · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueControl and Stability of Dynamical Systems
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésInductorPassivityPiecewise linear functionTrapezoidal ruleControl theory (sociology)Transient (computer programming)Lyapunov functionQuadratic equationStability (learning theory)Linear systemMathematicsAlgorithmComputer scienceNonlinear systemVoltageNumerical integrationMathematical analysisEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

This paper extends the analysis of the stability of electromagnetic transient simulation algorithms to non-linear systems with switching elements and non-linear inductor branches. A theoretical analysis based on common quadratic Lyapunov function theory is used to investigate the stability of numerical algorithms for the simulation of lumped strictly passive switched circuits (LSPSC). It is proved that only when certain fundamental physical properties, i.e., passivity and invariance of Lyapunov energy function, are satisfied, the widely used trapezoidal method results in stable simulations of such networks for any time-step size. This is different from the simulation of linear time invariant systems where any real-world stable system has a stable simulation if an A-stable integration method (e.g., trapezoidal rule) is used. Subsequently, it is shown that the problem of simulating a piecewise linear inductor can be equivalent to simulating a LSPSC; and ergo its simulation with the trapezoidal rule is also stable.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,201
Écart entre enseignants0,193 · 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

Citations9
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power DeliveryMême sujetControl and Stability of Dynamical SystemsTravaux en français237 207