MétaCan
Menu
Retour à la cohorte
Enregistrement W4283808560 · doi:10.1109/pmaps53380.2022.9810617

A Scenario Based Reliability Assessment Methodology for Evaluating the Benefit of Power System Enhancements

2022· article· en· W4283808560 sur OpenAlexaff
Dange Huang, Kurtis Toews, Bagen Bagen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Reliability and Maintenance
Établissements canadiensManitoba Hydro
Organismes subventionnairesnon disponible
Mots-clésReliability engineeringProbabilistic logicReliability (semiconductor)Electric power systemComputer scienceRisk analysis (engineering)StakeholderScrutinyTransformerPower (physics)EngineeringBusinessEconomics

Résumé

récupéré en direct d'OpenAlex

The power industry is facing many challenges due to increased need for investments arising from aging infrastructure and greater demand for energy service. Limited capital and operating budgets, increased regulatory scrutiny and more sophisticated stakeholder engagement have made it more important than ever to be able to analyze and prioritize investments using risk based methodologies. Quantification of bulk power system reliability/risk is inherently difficult due to the complexity of the network. A probabilistic method considering multiple scenarios for the assessment of system risk/reliability is presented. The methodology uses an analytical conditional probability approach to evaluate the reliability benefits in terms of change in the expected curtailed export (∆ECE) before and after an enhancement is implemented. A transformer replacement project for facilitating export from a large system to an adjacent system is evaluated to illustrate the applicability of the methodology.

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)0,006
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 enseignants0,730
Score d'incertitude au seuil0,421

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
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 Opus0,059
Tête enseignante GPT0,340
Écart entre enseignants0,281 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPower System Reliability and MaintenanceTravaux en français237 207