MétaCan
Menu
Retour à la cohorte
Enregistrement W2999360871 · doi:10.1109/i-pact44901.2019.8960185

Performance and Control Enhancement of Two Area Load Frequency Control Using Tandem Compound Turbine

2019· article· en· W2999360871 sur OpenAlexaff
T. Muni Prakash, N. Himagiri, S. Venkateswarlu, P. Lakshmipathi, P. Ramaligaiah

Notice bibliographique

Revue2019 Innovations in Power and Advanced Computing Technologies (i-PACT) · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueFrequency Control in Power Systems
Établissements canadiensHorizon College and Seminary
Organismes subventionnairesnon disponible
Mots-clésAutomatic frequency controlRenewable energyComputer scienceElectric power systemController (irrigation)GridTurbineFrequency gridAutomotive engineeringPower (physics)Control engineeringEngineeringElectrical engineeringVoltageTelecommunications

Résumé

récupéré en direct d'OpenAlex

Load frequency control is a virtual challenging problem in a realistic complex power system network. Power demand on the grid is unpredictably varying in nature and consequently grid frequency also varies. To alleviate frequency fluctuations on the grid, the renewable energy resources are interfaced with the grid. Renewable resources are abundant and eco-friendly, but the power generation from these sources is intermittent in nature. To provide major contribution of power generation from the renewable energy resources and to reduce cost of unit power generation in control areas, an effective controller is required. Although some controllers will reduce the errors in the system, they will not enhance the system performance. However, some controllers may affect the system. In order to enhance the system performance traditional turbine is replaced with two stage tandem compound turbine (TDC).By incorporating the TDC, the system performance is greatly improvised and it is shown by the help of Performance Indices. The system is verified by Matlab/Simulink

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: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,230
Écart entre enseignants0,223 · 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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2019 Innovations in Power and Advanced Computing Technologies (i-PACT)Même sujetFrequency Control in Power SystemsTravaux en français237 207