MétaCan
Menu
Retour à la cohorte
Enregistrement W4367340416 · doi:10.24200/sci.2022.58775.5890

State Estimation in Unbalanced Distribution Networks by Symmetrical Components

2022· article· en· W4367340416 sur OpenAlex

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

RevueScientia Iranica · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueOptimal Power Flow Distribution
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésComputationMathematical optimizationRelaxation (psychology)Computer sciencePower flowDistribution (mathematics)GridState (computer science)Electric power systemSemidefinite programmingPower (physics)AlgorithmMathematics

Résumé

récupéré en direct d'OpenAlex

State estimation (SE) of a power distribution network plays a vital role in the distribution management systems (DMSs). SE results can monitor and counteract grid technical challenges like tracking the unbalanced operation condition. In this paper, we propose a new approach for unbalanced distribution system SE which is based on the decomposition of the original problem into three subproblems by applying the symmetrical components. The subproblems are of lower dimensions and solved in parallel leading to much less computation time. The convex relaxation method is applied to address nonconvex ac power flow equations and formulate the distribution network SE problem as a semidefinite program (SDP). Furthermore, an algorithm is proposed to detect and attenuate bad data in measurements along with the SE solution. The proposed unbalanced distribution system SE approach is applied to the IEEE 37- and 123-bus distribution test systems with µPMU and pseudo measurement. The results are compared with those of three-phase SDP-based and linearized SE methods. The superiority of proposed approach is verified in terms of computation time and accuracy.

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)0,000
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: Empirique
Score de désaccord entre enseignants0,379
Score d'incertitude au seuil0,567

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,006
Tête enseignante GPT0,204
Écart entre enseignants0,199 · 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