The Lehtinen–Pirjola method modified for efficient modelling of geomagnetically induced currents in multiple voltage levels of a power network
Notice bibliographique
Résumé
Abstract. The need for accurate assessment of the geomagnetic hazard to power systems is driving a requirement to model geomagnetically induced currents (GIC) in multiple voltage levels of a power network. The Lehtinen–Pirjola method for modelling GIC is widely used but was developed when the main aim was to model GIC in only the highest voltage level of a power network. Here we present a modification to the Lehtinen–Pirjola (LP) method designed to provide an efficient method for modelling GIC in multiple voltage levels. The LP method calculates the GIC flow to ground from each node. However, with a network involving multiple voltage levels, many of the nodes are ungrounded, i.e. have infinite resistance to ground, which is numerically inconvenient. The new modified Lehtinen–Pirjola (LPm) method replaces the earthing impedance matrix [Ze] with the corresponding earthing admittance matrix [Ye] in which the ungrounded nodes have zero admittance to ground. This is combined with the network admittance matrix [Yn] to give a combined matrix ([Yn] + [Ye]), which is a sparse symmetric positive definite matrix allowing efficient techniques, such as Cholesky decomposition, to be used to provide the nodal voltages. The nodal voltages are then used to calculate the GIC in the transformer windings and the transmission lines of the power network. The LPm method with Cholesky decomposition also provides an efficient method for calculating GIC at multiple time steps. Finally, the paper shows how software for the LP method can be easily converted to the LPm method and provides examples of calculations using the LPm 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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».