MétaCan
Menu
Retour à la cohorte
Enregistrement W3153017550 · doi:10.1109/tia.2021.3072877

Digital Differential Protection for $3\phi$ Solid-State Transformers

2021· article· en· W3153017550 sur OpenAlexaff
S. A. Saleh, E. Ozkop

Notice bibliographique

RevueIEEE Transactions on Industry Applications · 2021
Typearticle
Langueen
DomaineEngineering
ThématiquePower Systems Fault Detection
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésDifferential protectionTransformerDifferential (mechanical device)Current transformerElectronic engineeringVoltageFault (geology)Electrical engineeringEngineeringControl theory (sociology)Computer science

Résumé

récupéré en direct d'OpenAlex

This article presents the development, implementation, and testing of a digital differential protection for three-phase (3φ) solid-state transformers (SSTs). The developed digital differential protection is designed to implement the ANSI 87 T protection function. The differential currents used by the developed protection are created by the dq0 components of the currents flowing in the high and low voltage sides of a 3φ SST. Internal faults are detected and identified using the energy contents of high-frequency subbands present in the dq0 differential currents. The desired high-frequency subbands are extracted using the phaselet transform that processes signals without sensitivity to nonstationary changes in their frequency and/or phases. Energy contents in the extracted high-frequency subbands allow accurate, fast, and reliable detection and identification of faults in any part of a 3φ SST. The proposed digital differential protection is implemented for performance testing using a laboratory 25-kVA 3φ SST. Performance results demonstrate accurate, fast, and reliable response to different fault and nonfault events. Furthermore, responses of the developed differential protection are found to be consistent regardless of the fault type, fault location, and/or loading level.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,246
Écart entre enseignants0,231 · 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

Citations24
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industry ApplicationsMême sujetPower Systems Fault DetectionTravaux en français237 207