MétaCan
Menu
Retour à la cohorte
Enregistrement W4311164163 · doi:10.18280/ts.390517

Analysis and Comparison of Performance of Interline Power Flow Controller with Various Control Algorithms under Various Power Stability Problems

2022· article· en· W4311164163 sur OpenAlexvenueno aff
Bhavya Kanchanapalli, Ravi Srinivas Lanka

Notice bibliographique

RevueTraitement du signal · 2022
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVoltage sourceControl theory (sociology)Flexible AC transmission systemController (irrigation)AC powerElectric power systemEngineeringVoltage controllerVoltageElectric power transmissionTransmission linePower (physics)Electronic engineeringComputer scienceElectrical engineeringPower flowVoltage droop

Résumé

récupéré en direct d'OpenAlex

The Interline Power Flow Controller (IPFC) is a voltage source converter based Flexible AC Transmission System (FACTS) controller for series compensation and power flow management among a substation's multiline transmission systems. Individual Voltage Source Converters (VSC) can inject reactive voltage that can be adjusted to manage active power flow in a line. This VSC is used to convert DC voltage to AC voltage and the voltage is kept constant in the entire process. In this article, a circuit model for IPFC is constructed, and a simulation of an interline power flow controller is performed, with control performed utilizing a variety of algorithms, including adaptive weighted feedback, gravitational search, BAT, and ANT colony optimization. The system's performance was evaluated in a variety of scenarios, including fault incidence, synchronous load connection, and asynchronous load connection. The design of system and analysis of system has been carried out using MATLAB Simulink in terms of various parameters at point of common coupling like voltage, current, power and power factor.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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: Empirique
Score de désaccord entre enseignants0,494
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0020,000

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 Opus0,009
Tête enseignante GPT0,206
Écart entre enseignants0,197 · 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'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 revueTraitement du signalMême sujetPower System Optimization and StabilityTravaux en français237 207