MétaCan
Menu
Retour à la cohorte
Enregistrement W3126749856 · doi:10.1109/epec48502.2020.9320111

Performance Evaluation of GMR and TMR Sensors to Estimate Current Phasors in Smart Grids

2020· article· en· W3126749856 sur OpenAlexaff
Prasad Shrawane, T.S. Sidhu

Notice bibliographique

Revue2020 IEEE Electric Power and Energy Conference (EPEC) · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueMagnetic Field Sensors Techniques
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésCurrent transformerSwitchgearElectrical engineeringElectrical conductorGiant magnetoresistanceSmart gridElectronic engineeringMagnetoresistanceComputer scienceCurrent sensorPower transmissionMagnetic fieldTransformerCurrent (fluid)Power (physics)EngineeringVoltagePhysics

Résumé

récupéré en direct d'OpenAlex

This paper gives results of the performance evaluation of noninvasive sensors that are used to estimate current by sensing the magnetic field produced surrounding the overhead power conductors in transmission and distribution of power generated by smart grids. The objective of the research is to replace the conventional instrument transformers to bring more ease of operation and maintenance in addition to save the space in the switchgear as well as substation. The experiment is performed in the laboratory on an alternating current. The sensors work on the principle of Giant Magnetoresistance (GMR) and Tunnel Magnetoresistance (TMR) effect.

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)0,003
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,018
Tête enseignante GPT0,258
Écart entre enseignants0,240 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2020 IEEE Electric Power and Energy Conference (EPEC)Même sujetMagnetic Field Sensors TechniquesTravaux en français237 207