MétaCan
Menu
Retour à la cohorte
Enregistrement W2976921876 · doi:10.1109/sest.2019.8849063

Flywheel-based Micro Energy Grid for Reliable Emergency Back-up Power for Nuclear Power Plant

2019· article· en· W2976921876 sur OpenAlexaff
Muhammad R. Abdussami, Hossam A. Gabbar

Notice bibliographique

Revue2019 International Conference on Smart Energy Systems and Technologies (SEST) · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésFlywheelNuclear power plantPower (physics)Electrical engineeringPower gridEnergy (signal processing)Computer scienceNuclear engineeringReliability engineeringAutomotive engineeringEngineeringPhysicsNuclear physics

Résumé

récupéré en direct d'OpenAlex

The Emergency Power Supply (EPS) is an inevitable part for the reliability of a Nuclear Power Plant (NPP). In case of failure of the power supply to electrical equipment in the NPP, the backup EPS plays a vital role. This paper proposes an innovative approach, with Flywheel-based Fast Charging Station (FFCS) along with Micro Energy Grid (MEG), to confirm the continuous power supply to the electrical system during the emergency in NPP. The paper focuses on the emergency diesel generator and battery system, which are connected to the Class III and Class I power of the NPP respectively for emergency purpose. The proposed model will eliminate the drawbacks of the battery system and the diesel generator. The MEG can operate in both mode; grid-connected mode (normal mode) and islanded mode (emergency mode). In normal mode, the electricity will be generated, stored in the main grid via an energy storage system or supplied to the consumer end. Under the emergency condition, the MEG will be disconnected from the main grid and will be connected to the FFCS depending on the requirements. The simulation results intend to show the novelty of the proposed model.

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 enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,018
Tête enseignante GPT0,245
Écart entre enseignants0,227 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2019 International Conference on Smart Energy Systems and Technologies (SEST)Même sujetAdvanced Battery Technologies ResearchTravaux en français237 207