MétaCan
Menu
Retour à la cohorte
Enregistrement W4283719444 · doi:10.1109/i2mtc48687.2022.9806679

Factors Affecting Performance of Noninvasive Magnetic Sensors for Current Measurement in Power Systems

2022· article· en· W4283719444 sur OpenAlexaff
Prasad Shrawane, T.S. Sidhu

Notice bibliographique

Revue2022 IEEE International Instrumentation and Measurement Technology Conference (I2MTC) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMagnetic Field Sensors Techniques
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésSystem of measurementConductorCurrent transformerHarmonicsElectrical engineeringElectronic engineeringCalibrationComputer scienceCurrent sensorElectrical conductorCurrent (fluid)TransformerVoltageEngineeringMaterials sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Magnetic sensors for current measurement using contactless method prove a good alternative for conventional core-wound current transformers. The advances in magnetic sensors research offer accuracy in measurement systems at less complexity in installation and maintenance with less cost. This paper proposed a novel and accurate method of measuring the alternating current in the overhead distribution system using Tunneling magentoresistive (TMR) sensors. The experiment was carried out for a single phase conductor with twelve sensors. A thorough investigation of factors such as, distance from source, conductor insulation, and harmonics that influence the accuracy of measurement was performed. The validation results show that the measurement accuracy of the sensors can be achieved successfully with calibration of sensors based on each of these factors.

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)0,001
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 enseignants0,128
Score d'incertitude au seuil0,879

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,062
Tête enseignante GPT0,266
Écart entre enseignants0,204 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 IEEE International Instrumentation and Measurement Technology Conference (I2MTC)Même sujetMagnetic Field Sensors TechniquesTravaux en français237 207