MétaCan
Menu
Retour à la cohorte
Enregistrement W3130792830 · doi:10.3390/en14041050

Impact of Inverter Based Resources on System Protection

2021· article· en· W3130792830 sur OpenAlexaff
Aboutaleb Haddadi, Evangelos Farantatos, Ilhan Koçar, Ulas Karaagac

Notice bibliographique

RevueEnergies · 2021
Typearticle
Langueen
DomaineEngineering
ThématiquePower Systems Fault Detection
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésRelayRemedial educationInverterComputer scienceElectric power systemProtective relayPower (physics)Reliability engineeringEngineeringElectrical engineeringVoltage

Résumé

récupéré en direct d'OpenAlex

Inverter-based resources (IBRs) exhibit different short-circuit characteristics compared to traditional synchronous generators (SGs). Hence, increased uptake of IBRs in the power system is expected to impact the performance of traditional protective relay schemes—set under the assumption of a SG-dominated power system. Protection engineers need to study these challenges and develop remedial solutions ensuring the effectiveness of system protection under higher levels of IBRs. To address this need, this paper studies the impact of IBRs on a variety of protective relay schemes including line distance protection, memory-polarized zero sequence directional protective relay element, negative sequence quantities-based protection, line current differential protection, phase comparison protection, rate-of-change-of-frequency, and power swing detection. For each protection function, potential misoperation scenarios are identified, and recommendations are provided to address the misoperation issue. The objective is to provide an improved understanding of the way IBRs may negatively impact the performance of traditional protection schemes as a first step towards developing future remedial solutions ensuring effective protection under high share of IBRs.

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)0,005
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,009
Tête enseignante GPT0,210
Écart entre enseignants0,201 · 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
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

Citations106
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetPower Systems Fault DetectionTravaux en français237 207