MétaCan
Menu
Retour à la cohorte
Enregistrement W3148179072 · doi:10.1109/tpwrd.2021.3068557

Loss-of-Voltage Detection for Relays Protecting Systems With Inverter-Based Resources

2021· article· en· W3148179072 sur OpenAlexaff
Amin Banaiemoqadam, Sayyed Mohammad Hashemi, Ali Hooshyar

Notice bibliographique

RevueIEEE Transactions on Power Delivery · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Security and Resilience
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRelayProtective relayTransformerVoltageInverterEngineeringOvercurrentThree-phaseComputer scienceFault (geology)Fuse (electrical)Electronic engineeringReliability engineeringElectrical engineeringPower (physics)

Résumé

récupéré en direct d'OpenAlex

Reliable voltage measurement is a pre-requisite for correct operation of a relay's voltage-dependent functions. The secondary circuit of a relay's voltage transformer (VT) is usually fuse-protected. The blowing of a VT's three-phase fuses prevents correct voltage measurement, commonly referred to as the loss-of-voltage (LOV) condition. Relays are equipped with different methods to detect the LOV conditions and avoid confusing them with grid faults. However, this paper shows that existing LOV detection methods are prone to misoperation in the presence of inverter-based resources (IBRs). The paper's findings are corroborated by hardware-in-the-loop testing of relays with the state-of-the-art LOV detection methods. This paper also develops a new LOV detection method for transmission system relays that addresses the unveiled problem. The proposed method considers the fault behavior of IBRs and detects LOVs by examining certain conditions in three stages, namely phase-voltage-check, phase-current-check, and current-transients-check. Simulation studies are used to verify the dependable and secure operation of this new method for different LOVs, faults, IBRs, and VT configurations. The obtained results demonstrate that this method performs successfully regardless of the type of generation units. Moreover, it is sufficiently fast to prevent relay misoperation during LOV conditions and does not require extra hardware.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,642
Score d'incertitude au seuil0,580

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 GPT0,191
Écart entre enseignants0,181 · 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 tête enseignante, 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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power DeliveryMême sujetSmart Grid Security and ResilienceTravaux en français237 207