MétaCan
Menu
Retour à la cohorte
Enregistrement W2950981200 · doi:10.24843/spektrum.2018.v05.i02.p29

Rekonfigurasi Saluran Distribusi 20 kV Untuk Mengurangi Rugi-Rugi Daya dan Jatuh Tegangan Pada Penyulang Abang

2018· article· en· W2950981200 sur OpenAlexaff
I Putu Arya Suardika, I Gede Dyana Arjana, Anak Agung Gede Maharta Pemayun

Notice bibliographique

RevueJurnal SPEKTRUM · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering and Technology Innovations
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésElectrical engineeringVoltage dropVoltageTransformerMathematicsPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

The feeder of Abang is one of forty-one feeders in State Electrical Company (PT PLN) of east Bali Area. This feeder uses a configuration of radial type that serves consumers in the area of Padangkerta, Bias, Batannyuh, Kikian, Ababi, Datah, Kubu, Nusu, Tianyar and Ban. It has a line transect that is 212,8 kms in leght with a total of distribution subtatations of 167 transformers and its peaks load reaches 5669 kW. This conditions results in drop voltage of 16,255% and and power losses of 10,12%. Feeder reconfiguration is accomplished by two ways: the cutting of the network that is diverted to Subagan feeder and the planning of Kubu feeder. Reconfiguration by using a method of cutting the network shows a voltage correction of Abang feeder with the initial drop voltage of 16,255% to 3.05% and the initial power losses of 10,12% to 3,49%. The improvement of voltage and power losses occurring in this feeder is not followed by Subagan feeder, which experienced an initial rise in the percentage of drops voltage of 6,78% to 27,615% and its initial power losses of 3,89% to 13,28%. While reconfiguration with Kubu's feeder planning is able to repair the drop voltage of Abang feeder to 2.94% and its power losses to 3,41%. Meanwhile, Kubu’s feeder in accordance with the results of running the program ETAP that the value of drop voltage is 2,95% and power losses is 2,73%.

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)0,000
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 enseignants0,039
Score d'incertitude au seuil0,129

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0390,010

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 Opus0,006
Tête enseignante GPT0,205
Écart entre enseignants0,199 · 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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal SPEKTRUMMême sujetEngineering and Technology InnovationsTravaux en français237 207