MétaCan
Menu
Retour à la cohorte
Enregistrement W3037236726 · doi:10.1109/tpwrs.2020.3004906

Analytically Validated SSCI Assessment Technique for Wind Parks in Series Compensated Grids

2020· article· en· W3037236726 sur OpenAlexaff
Aramis Schwanka Trevisan, Ângelo Braga Mendonça, Richard Gagnon, Jean Mahseredjian, Martin Fecteau

Notice bibliographique

RevueIEEE Transactions on Power Systems · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensHydro-QuébecPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésAdmittanceWind powerTransient (computer programming)InterconnectionComputer scienceGridReliability engineeringStability (learning theory)Electric power systemTurbineField (mathematics)Control engineeringPower (physics)EngineeringElectrical impedanceMathematicsElectrical engineeringTelecommunicationsMachine learningAerospace engineering

Résumé

récupéré en direct d'OpenAlex

This work highlights limitations in existing screening approaches to assess low-frequency interactions during interconnection studies of grid-connected inverters (GCIs), such as wind power plants. It then proposes a new screening methodology capable of addressing these limitations for realistic representations of power system components and GCIs. It demonstrates that the asymmetric input admittance characteristics of GCIs, whose consideration is required for proper stability assessment, can be accurately extracted with the proposed adequate scanning method implemented in an electromagnetic transient (EMT) software package. This is verified through rigorous validation against analytical formulations developed for field validated type-III and type-IV wind turbine models. It shows that the technique is capable of correctly assessing stability in all presented cases. All results are validated against detailed EMT simulations.

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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,228
Écart entre enseignants0,216 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power SystemsMême sujetMicrogrid Control and OptimizationTravaux en français237 207