MétaCan
Menu
Retour à la cohorte
Enregistrement W3099888812 · doi:10.1109/tpwrd.2020.3038947

Adaptive Contactor – A New Scheme to Improve Induction Motor Immunity to Voltage Sags

2020· article· en· W3099888812 sur OpenAlexaff
Lingxiang Yao, Xianyong Xiao, Yang Wang, Wilsun Xu

Notice bibliographique

RevueIEEE Transactions on Power Delivery · 2020
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésContactorVoltage sagTrippingInduction motorControl theory (sociology)VoltageEngineeringScheme (mathematics)Computer scienceControl engineeringElectrical engineeringCircuit breakerPower (physics)Power qualityMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

One of the consequences of voltage sags is unexpected motor trips or stalls. This is caused by the simple voltage-magnitude-based tripping logic used in the motor contactors. Since a motor has momentum during a voltage sag, a deep voltage sag with a short duration does not necessarily lead to motor misoperation. Based on this reasoning, a novel motor contactor operation scheme is proposed in this paper. The proposed scheme takes into account both the magnitude and duration of a voltage sag plus the momentum of the rotor, in real-time, to decide if a motor will be tripped. The core idea of the scheme is to utilize the critical clearance time (CCT) of motors as the tripping time of AC contactors. The proposed scheme combines an offline analysis and an online calculation to minimize the computation burden in real-time operation. An improved motor parameter estimation method is also proposed to ensure the accuracy of the calculated CCT. The performance of the proposed scheme is evaluated and demonstrated through comparative case studies. Moreover, some practical issues are discussed to facilitate the real implementation.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,020
Tête enseignante GPT0,212
Écart entre enseignants0,192 · 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'étudeExpérimental (laboratoire)
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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power DeliveryMême sujetPower System Optimization and StabilityTravaux en français237 207