MétaCan
Menu
Retour à la cohorte
Enregistrement W3020996996 · doi:10.1109/pcic31437.2018.9080432

MV Motor Optimization: Copyright Material IEEE, Paper No. PCIC-2018-29

2018· article· en· W3020996996 sur OpenAlexaff
Chris Heron, Raymond Catlett, Dorothy Siplin

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensTECO-Westinghouse (Canada)
Organismes subventionnairesnon disponible
Mots-clésTorqueVoltage dropVoltageTransient (computer programming)Automotive engineeringComputer scienceInduction motorLine (geometry)ThroughputFault (geology)Low voltageElectrical engineeringReliability engineeringEngineeringTelecommunicationsMathematics

Résumé

récupéré en direct d'OpenAlex

This paper presents two alternatives to make choosing the appropriate cost-effective AC machine for a given application easier. One option increases the short circuit capacity (SCC) at the motor bus; the other uses a synchronous machine (SM) in lieu of an induction machine (IM). Both methods have the potential to yield higher efficiency designs with better transient ride-through capability. There are well-defined relationships between applied voltage, applied current, and output torque. In short, higher voltages and/or currents allow a rotating machine to develop more torque. For obvious reasons, this relationship becomes extremely important for the transient performance associated with direct-on-line (DOL) starting. Adding more SCC minimizes the voltage drop, yielding more efficient and less costly designs. Over the life of a typical machine (e.g. 5000 HP IM), even a relatively small efficiency improvement realizes significant savings - enough to purchase the medium voltage (MV) distribution equipment. At 10 000 HP, the efficiency gains achieved through use of a SM instead of an IM are even greater, yielding more savings. As an added benefit, the increase in SCC leads to a more stable system, allowing the motor to ride through low voltage fault conditions that might otherwise have caused a trip. This in turn means more consistent throughput and a more profitable facility.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0210,003

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 GPT0,187
Écart entre enseignants0,181 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectric Motor Design and AnalysisTravaux en français237 207