MétaCan
Menu
Retour à la cohorte
Enregistrement W3210209195 · doi:10.1109/amps50177.2021.9586018

Non-invasive Magnetic Sensors for Measurement of Current Phasors in Power Systems: Calibration and Validation

2021· article· en· W3210209195 sur OpenAlexaff
Prasad Shrawane, T.S. Sidhu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMagnetic Field Sensors Techniques
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésCurrent sensorCurrent transformerDependabilityCalibrationElectronic engineeringMagnetoresistanceConductorElectrical engineeringPhasorAccuracy and precisionSystem of measurementReliability (semiconductor)Current (fluid)Computer scienceMagnetic fieldVoltageEngineeringTransformerPower (physics)Electric power systemMaterials sciencePhysicsReliability engineering

Résumé

récupéré en direct d'OpenAlex

Real-time current monitoring is essential for precisely monitoring the state of power grid and also for detecting faults leading to more reliability and dependability. The advances in magnetic sensors research offer accuracy in measurement systems at less complexity in installation and maintenance with less cost. Anisotropic magnetoresistive (MR) sensor can be used to measure the AC current by sensing the magnetic field generated by the current carrying conductor. This can be achieved without touching the conductor or surrounding the sensor like conventional current transformers. This paper describes a novel method of current phasor measurement with the help of a low-cost, broadband and high-sensitivity Tunneling Magnetoresistance (TMR) sensor for AC current measurement. Based on the measurements from experiment for single phase, a detail analysis for calibration and validation of the sensor is performed. The accuracy in measurement is achieved by applying various conditions such as varying distances from the conductor and frequencies from 60Hz to fifth harmonic. Satisfactory results are obtained and are presented in this paper.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,374

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 Opus0,022
Tête enseignante GPT0,241
Écart entre enseignants0,219 · 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'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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMagnetic Field Sensors TechniquesTravaux en français237 207