MétaCan
Menu
Retour à la cohorte
Enregistrement W4287755026 · doi:10.5281/zenodo.3906535

Improved Power Flow Methods for DC Grids

2020· paratext· en· W4287755026 sur OpenAlexaff
Nils H. van der Blij, Dario Chaifouroosh, Claudio A. Cañizares, Thiago Batista Soeiro, Laura Ramírez-Elizondo, Matthijs T. J. Spaan, Pavol Bauer

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2020
Typeparatext
Langueen
DomaineEngineering
ThématiqueHVDC Systems and Fault Protection
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesEuropean Commission
Mots-clésPower flowComputer scienceFlow (mathematics)Power (physics)Electrical engineeringElectric power systemMechanicsEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

This paper presents a steady-state model and as-sociated power flow equations that can be applied to any dc grid. State-of-art power flow methods and two newly proposed methods are discussed and applied to the proposed steady-state model. A standardized IEEE test feeder is used to benchmark the power flow methods with respect to accuracy, convergence and computational efficiency. It is shown that the two new methods have a superior performance compared to the existing techniques for the steady-state analysis of most common dc grids, providing up to a 93 % increase in computational efficiency for the system that was analyzed in this paper. Therefore, it is demonstrated in this paper that these power flow techniques can be used for the operation, planning, optimization, market simulation, and security assessment of practical dc grids.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,497
Score d'incertitude au seuil1,000

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 technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0190,025

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 Opus0,031
Tête enseignante GPT0,282
Écart entre enseignants0,251 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetHVDC Systems and Fault ProtectionTravaux en français237 207