MétaCan
Menu
Retour à la cohorte
Enregistrement W4283218330 · doi:10.1109/iemtronics55184.2022.9795831

Aggregated Modeling of Synchronous Generators Using Transfer Matrices

2022· article· en· W4283218330 sur OpenAlexaff
Arash Safavizadeh, Erfan Mostajeran, Seyyedmilad Ebrahimi, Taleb Vahabzadeh, Juri Jatskevich

Notice bibliographique

Revue2022 IEEE International IOT, Electronics and Mechatronics Conference (IEMTRONICS) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésComputer scienceTransfer functionEquivalent circuitElectromagnetic coilElectric power systemField (mathematics)Transfer matrixGridMaximum power transfer theoremPower (physics)Control theory (sociology)Electronic engineeringEngineeringMathematicsElectrical engineeringVoltagePhysics

Résumé

récupéré en direct d'OpenAlex

In power system analysis, sometimes the combined influence of a part of the network is desirable/investigated instead of the dynamics of the individual components therein. For such studies, aggregated models of system components would become beneficial when obtaining the equivalent circuits for the subject part of the network. This paper presents an aggregation method for modeling a cluster of synchronous generators (SGs) connected to a common bus in a power grid. First, it is shown how the so-called transfer matrices can be used for equivalent dynamic modeling of the system components, e.g., SGs with field and damper windings. Then, the transfer matrix-based models of SGs are aggregated to obtain an equivalent dynamic model for the cluster of SGs. The proposed aggregated model of SGs is then validated compared to their full-order qd models using computer simulations. It is verified that the proposed aggregation technique can preserve the dynamic behavior of parallel SGs very accurately for low- and high-frequency electromagnetic oscillations while being computationally more efficient than their classical full-order qd model counterparts.

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 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,224
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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,013
Tête enseignante GPT0,215
Écart entre enseignants0,202 · 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.

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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 IEEE International IOT, Electronics and Mechatronics Conference (IEMTRONICS)Même sujetMicrogrid Control and OptimizationTravaux en français237 207