MétaCan
Menu
Retour à la cohorte
Enregistrement W3164115852 · doi:10.1109/mias.2021.3065325

Energy Optimization for Adjustable-Speed Drive Applications: Increasing Efficiency to Cut Costs and Preserve Assets

2021· article· en· W3164115852 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Industry Applications Magazine · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueSensorless Control of Electric Motors
Établissements canadiensImperial Oil (Canada)Rockwell Automation (Canada)
Organismes subventionnairesnon disponible
Mots-clésEfficient energy useAutomotive engineeringEnergy consumptionInduction motorInvestment (military)EngineeringEnergy (signal processing)Electric power transmissionProcess (computing)Computer scienceElectrical engineeringControl engineeringVoltage

Résumé

récupéré en direct d'OpenAlex

Whether you believe there is a connection between carbon dioxide and global warming or not, reducing energy consumption by improving operating efficiency has the benefit of preserving natural resources, reducing production costs, and postponing investment in infrastructure, such as generating stations and transmission lines. Induction motors are a logical target since they are the primary machines in use and account for the vast majority of industrial loads. Loads driven by induction motors consume more than half the electrical energy generated. A small improvement in efficiency has a pronounced effect on overall energy consumption. When a process has a range of operating points, adjustable-speed drives (ASDs) are often employed to realize energy savings based on affinity laws. While this saves substantial energy, it can be further optimized with flux vector control and other techniques. This article examines the topic of optimal energy control, which results in additional energy savings.

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.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,913
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,012
Tête enseignante GPT0,242
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