MétaCan
Menu
Retour à la cohorte
Enregistrement W4285815991 · doi:10.1109/td43745.2022.9816851

PMU-Based Distribution Linear State Estimation to Improve Data Quality and Application Reliability

2022· article· en· W4285815991 sur OpenAlex
Shikhar Pandey, Heng Kevin Chen, Esa Aleksi Paaso, F. Rahmatian, M. Y. Vaiman, Marianna Vaiman, Mark Povolotskiy, Mikhail Karpoukhin

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensAlterra Power (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhasor measurement unitObservabilityMicrogridSoftwareComputer sciencePhasorReliability (semiconductor)Data qualityReal-time computingSoftware deploymentSmart gridElectric power systemControl engineeringReliability engineeringEngineeringPower (physics)Control (management)

Résumé

récupéré en direct d'OpenAlex

Synchrophasor data quality issues have been a challenge for robust application deployment in the power grid. This paper presents the ability of a three-phase distribution linear state estimator (DLSE) to detect various types of synchrophasor bad data. The DLSE is the first application layer that pre-processes the synchrophasor data and produces state estimates for all observable nodes of the system. This work represents the DLSE software for real-time monitoring, analysis, and situational awareness of the Commonwealth Edison Company (ComEd) Bronzeville Community Microgrid (BCM). The DLSE software platform, used for state estimation, can perform observability analysis, optimize distribution phasor measurement unit (PMU) placement, identify topology change, and detect bad data. This paper focusses on the software's module that supports bad data detection. Demonstration of the PMU-based platform was performed in ComEd's real-time digital simulation (RTDS) enabled Hardware in the Loop (HIL) environment.

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.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,946
Score d'incertitude au seuil0,389

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,020
Tête enseignante GPT0,288
Écart entre enseignants0,268 · 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

En bref

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPower System Optimization and StabilityTravaux en français237 207