MétaCan
Menu
Retour à la cohorte
Enregistrement W3004883211 · doi:10.1109/tpwrd.2020.2971151

Open Phase Detection in DER Operation by Using Power Quality Data Analytics

2020· article· en· W3004883211 sur OpenAlexaff
Chun Li, Robert Reinmuller

Notice bibliographique

RevueIEEE Transactions on Power Delivery · 2020
Typearticle
Langueen
DomaineEngineering
ThématiquePower Quality and Harmonics
Établissements canadiensHydro One (Canada)
Organismes subventionnairesnon disponible
Mots-clésBenchmarkingAnomaly detectionAnalyticsComputer scienceTransformerReliability engineeringData miningReal-time computingEngineeringElectrical engineeringVoltage

Résumé

récupéré en direct d'OpenAlex

This paper reports a practical challenge in Distributed Energy Resources (DER) operation: open phase detection. The paper presents a wide variety of naturally occurred open phase events recorded by power quality meters in DER commercial operations. The events demonstrate the complexity of open phase detection due to electrical and magnetic interphase couplings through transformer winding and core configurations. The coupling effect could recreate the missing phase in various patterns so that the DER control and protection systems or control room operators may not detect the anomaly for prolonged period of time. This paper shares experiences of timely DER open phase detection by using power quality data and suggests practical detection guidelines based on waveform signature analytics. The original field records provide credible benchmarking references for algorithm development to meet the new DER open phase detection requirement in the IEEE Stdandard 1547-2018 revision.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,748
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,165
Tête enseignante GPT0,350
Écart entre enseignants0,185 · 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 tête enseignante, pas un consensus.

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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power DeliveryMême sujetPower Quality and HarmonicsTravaux en français237 207