MétaCan
Menu
Retour à la cohorte
Enregistrement W3088524078 · doi:10.21683/1729-2646-2020-20-3-3-14

Predicting power system reliability and outage duration including emergency response

2020· article· en· W3088524078 sur OpenAlexaboutno aff
Romney B. Duffey

Notice bibliographique

RevueDependability · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Resilience and Vulnerability Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDuration (music)Reliability (semiconductor)Reliability engineeringFlooding (psychology)Range (aeronautics)Environmental scienceStormEmergency managementElectric power systemComputer sciencePower (physics)MeteorologyEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

Aim. Enable prediction and planning for large-scale unprecedented power outages of importance for emergency planning and national response actions. Predict outage probability, duration and restoration using a theoretical framework that is applicable globally. Methods. Data have been collected for power losses and outage duration for a wide range of events in Belgium, Canada, Eire, France, Japan, Sweden, New Zealand and USA. A new theory and correlation is given for the probability of large regional power losses of up to nearly 50,000 MW(e) without additional infrastructure or grid damage. For severe and rare events with damage (major floods, fire, ice storms, hurricanes etc.) the outages are longer and the restoration probability depends on the degree of difficulty that limits access and restoration. The dynamic reliability requirements for emergency back-up power and pumping systems are derived, and demonstrated using the flooding of New Orleans by Hurricane Katrina and of the Fukushima nuclear reactors by a tsunami. Conclusions . Explicit expressions have been given and validated for the probability and duration for the full range from “normal” large power losses to extended outages due to rare and more severe events with access and repair difficulty.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,462
Score d'incertitude au seuil0,800

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,011
Tête enseignante GPT0,232
Écart entre enseignants0,221 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations9
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDependabilityMême sujetInfrastructure Resilience and Vulnerability AnalysisTravaux en français237 207