MétaCan
Menu
Retour à la cohorte

A Method to Detect DC Bias in Transformers Using Differential Current Waveforms

2022· article· en· W4292388196 sur OpenAlexaff
Babak Ahmadzadeh‐Shooshtari, Afshin Rezaei‐Zare

Notice bibliographique

Revue2022 IEEE International Conference on Environment and Electrical Engineering and 2022 IEEE Industrial and Commercial Power Systems Europe (EEEIC / I&CPS Europe) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiquePower Systems Fault Detection
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésGeomagnetically induced currentDC biasCurrent transformerTransformerWaveformControl theory (sociology)Direct currentElectronic engineeringComputer scienceGeomagnetic stormElectrical engineeringVoltageEngineeringPhysicsEarth's magnetic fieldMagnetic field

Résumé

récupéré en direct d'OpenAlex

This paper proposes a DC bias detection method for the power transformers, which utilizes the three-phase differential current waveforms available in the differential relays. It is shown that the DC bias condition can be detected from the asymmetry of the differential current waveforms, which occurs due to the transformer core saturation under the DC bias. It is also shown that the proposed scheme can identify the DC bias with and without the current transformer (CT) saturation. Furthermore, time-domain simulations verify the method's effectiveness in discriminating between the DC bias and transformer energization conditions. The proposed method is easy to implement and contributes to the power system monitoring by providing reliable DC bias detection for the transformers in the conditions such as hybrid AC-DC systems, monopolar operation of HVDC systems, and the geomagnetically induced current (GIC) flow due to a solar geomagnetic storm.

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)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,674
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,083
Tête enseignante GPT0,278
Écart entre enseignants0,195 · 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'étudeSans objet
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 revue2022 IEEE International Conference on Environment and Electrical Engineering and 2022 IEEE Industrial and Commercial Power Systems Europe (EEEIC / I&CPS Europe)Même sujetPower Systems Fault DetectionTravaux en français237 207