MétaCan
Menu
Retour à la cohorte
Enregistrement W3199964244 · doi:10.1049/gtd2.12285

Parallel‐in‐time‐and‐space electromagnetic transient simulation of multi‐terminal DC grids with device‐level switch modelling

2021· article· en· W3199964244 sur OpenAlexaff
Tianshi Cheng, Ning Lin, Tian Liang, Venkata Dinavahi

Notice bibliographique

RevueIET Generation Transmission & Distribution · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueHVDC Systems and Fault Protection
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésTransient (computer programming)Terminal (telecommunication)Electromagnetic simulationComputer scienceElectrical engineeringTransient analysisElectronic engineeringTransient responseEngineeringComputer network

Résumé

récupéré en direct d'OpenAlex

Abstract The electromagnetic transient (EMT) simulation of multi‐terminal DC (MTDC) grids requires a detailed device‐level modular multilevel converter (MMC) model, which can have thousands of state variables and complex internal structures. The fast device‐level insulated gate bipolar transistor (IGBT) transient requires a very small time‐step, making the computational overhead prohibitive. Based on the analysis of the parallel‐in‐time (PiT) implementation of detailed modelled MMCs, this paper proposes a task‐based hybrid PiT algorithm to achieve high parallel efficiency and speed‐up of MMC with device‐level modelling. Moreover, a transmission line model(TLM)‐based parallel‐in‐time‐and‐space (PiT+PiS) method is proposed to connect PiT grids to conventional or other PiT grids and exploit the maximum parallelism. Simulation results show greater than 30 speed‐up and 60% parallel efficiency on a 48 cores computer for the hybrid PiT method in a 201‐level three‐phase MMC test case, and 20 speed‐up in the transient simulation of CIGRÉ B4 DC grid test system for the PiT+PiS method.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,581
Score d'incertitude au seuil0,755

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 Opus0,025
Tête enseignante GPT0,238
Écart entre enseignants0,213 · 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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET Generation Transmission & DistributionMême sujetHVDC Systems and Fault ProtectionTravaux en français237 207