MétaCan
Menu
Retour à la cohorte
Enregistrement W3093891672 · doi:10.1109/apap47170.2019.9224695

Closed-Loop Traveling-Wave Relay Testing (TWRT) using RTDS Real-Time Simulators

2019· article· en· W3093891672 sur OpenAlexaff
Ramin Mirzahosseini, Yue Chen, Yi Zhang, R. Kuffel

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePower Systems Fault Detection
Établissements canadiensRTDS Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésReal Time Digital SimulatorTransmission lineRelayElectric power transmissionComputer scienceSimulationField-programmable gate arrayReal-time simulationLine (geometry)Power (physics)Electronic engineeringElectric power systemPower system simulationHardware-in-the-loop simulationTransmission (telecommunications)EngineeringElectrical engineeringEmbedded systemTelecommunications

Résumé

récupéré en direct d'OpenAlex

This paper presents a methodology to perform closed-loop Traveling Wave Relay Testing (TWRT) for transmission lines in power systems using RTDS real-time simulator. The Traveling-Wave Relays (TWRs) have a high sampling rate, e.g., around 1MHz, therefore, one requirement for TWRT is that the simulator operates at a small time-step, i.e., in the order of one microsecond. The TW-based protection elements operate based on current and voltage TW signals that are derived from the High-Frequency (HF) response induced by faults on the transmission line. This paper shows that employing inaccurate line models in a simulator can result in incorrect TW signals. Therefore, another requirement for TWRT is to use accurate line models. Fulfilling these requirements requires high computational power and introduces challenges to real-time simulators for the TWRT application. This paper presents two real-time simulator approaches for TWRT: (i) an FPGA-based and (ii) a multi-core CPU-based approach. The proposed approaches are employed to test commercially available TWRs and the results are reported.

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), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,630
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,021
Tête enseignante GPT0,224
Écart entre enseignants0,203 · 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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPower Systems Fault DetectionTravaux en français237 207