MétaCan
Menu
Retour à la cohorte
Enregistrement W3213055066 · doi:10.1109/iecon48115.2021.9589054

Hybrid Fault-Tolerant and Cyber-Resilient Control for PV System at Microgrid Framework

2021· article· en· W3213055066 sur OpenAlexaff
Saeedreza Jadidi, Hamed Badihi, Youmin Zhang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensConcordia University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMicrogridBenchmark (surveying)Fault (geology)Computer scienceFault detection and isolationReliability engineeringFault toleranceControl engineeringDistributed computingEngineeringControl (management)

Résumé

récupéré en direct d'OpenAlex

This paper focuses on physical faults and cyberattacks analysis and intelligent detection of faults/attacks with integrated fault-tolerant and cyber-resilient controllers for a PV system at microgrid level. The possibility of detecting and diagnosing faults/attacks rapidly enables the controllers to accommodate/mitigate the effects of faults/attacks in the microgrid system. This allows the microgrid to continue operation without any serious problems or interruptions. In this regard, the present paper considers a hybrid AC/DC microgrid composed of different renewable distributed generation resources. To monitor real-time data from the PV system at microgrid level, a hybrid intelligent diagnosis system with two parallel diagnosis units based on rule-based and model-based approaches, is presented. Lastly, the online information obtained from the diagnosis system is used by the controllers to guarantee safe operation of the microgrid during faults/attacks. The high effectiveness of the proposed strategy under different faults and cyber-attacks is demonstrated in an advanced microgrid benchmark model with wide variations in operating conditions and electrical loads.

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 enseignants0,858
Score d'incertitude au seuil0,636

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 Opus0,003
Tête enseignante GPT0,181
Écart entre enseignants0,178 · 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 sujetMicrogrid Control and OptimizationTravaux en français237 207