MétaCan
Menu
Retour à la cohorte
Enregistrement W3100257549 · doi:10.1109/ict-pep50916.2020.9249938

Top-Down/Bottom-Up Method for Identifying a Set of Voltage Stability Preventive Controls

2020· article· en· W3100257549 sur OpenAlexaff
Khaled Alzaareer, Maarouf Saad, Hasan Mehrjerdi, S. Lefebvre, Dalal Asber

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensHydro-QuébecÉcole de Technologie Supérieure
Organismes subventionnairesQatar National Research FundFonds National de la Recherche LuxembourgQatar Foundation
Mots-clésComputer scienceSet (abstract data type)VoltageStability (learning theory)Top-down and bottom-up designControl theory (sociology)Control (management)EngineeringElectrical engineeringArtificial intelligenceSoftware engineeringMachine learning

Résumé

récupéré en direct d'OpenAlex

In this work, a novel method for choosing a global set of preventive controls for voltage stability analysis is developed. The method depends on top-down and bottom-up approaches to obtain the set of controls according to voltage stability sensitivity analysis. At first, the sensitivities of the voltage stability margins of network buses to preventive controls are obtained. The average of the sensitivities referred to each preventive control is then calculated, which gives an indicator about how each preventive control can improve the voltage stability margin of power system. The average is done over the sensitivities of different critical buses located at different locations. The two approaches (top-down and bottom-up) are then performed on the averaged sensitivities to choose a set of the most efficient controls. The proposed method is able to simultaneously eliminate the impact of system contingencies on network buses. The proposed method is checked on the IEEE 39 bus network. The results demonstrate the accuracy and the validity of the proposed method for control selection.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,047
Tête enseignante GPT0,308
Écart entre enseignants0,262 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPower System Optimization and StabilityTravaux en français237 207