MétaCan
Menu
Retour à la cohorte
Enregistrement W3130077863 · doi:10.1049/iet-rpg.2020.0479

Sub‐synchronous oscillations in wind farms – an overview study of mechanisms and damping methods

2020· article· en· W3130077863 sur OpenAlexafffund
Tong Shi, Dulika Nayanasiri, Yunwei Li

Notice bibliographique

RevueIET Renewable Power Generation · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada First Research Excellence Fund
Mots-clésTurbineComputer scienceWind powerOscillation (cell signaling)Environmental scienceEngineeringAerospace engineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Sub‐synchronous oscillation (SSO) causes significant damage and performance degradation in wind farms (WFs). The root causes and mitigation methods of SSO have been identified as a result of many studies. An overview that analysed and summarised those findings in different perspectives helps optimise the existing solutions and to find alternative approaches to mitigate SSO. Therefore, a comprehensive overview of the SSO analysing techniques, mechanisms, and mitigation strategies are presented in this study. This overview is focused on the WFs based on type 3 and 4 wind turbine generators and the WFs connected to high‐voltage DC transmission systems. The dominant SSO modes in each application have been presented along with the identified root cause, influencing factors, and the mitigation methods. Besides that, a comprehensive comparison between the existing mitigation strategies is presented to identify the alternative approaches and improvements. The identified improved methods are presented along with the time and frequency domain simulation results to validate their applicability. Finally, an insight into the future direction of this research is presented along with the conclusions.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,040
Tête enseignante GPT0,286
Écart entre enseignants0,247 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIET Renewable Power GenerationMême sujetMicrogrid Control and OptimizationTravaux en français237 207