MétaCan
Menu
Retour à la cohorte
Enregistrement W4372037558 · doi:10.1109/tpwrd.2023.3272927

Comparison of Rational Krylov and Vector Fitting in Transient Simulation of Transmission Lines and Cables

2023· article· en· W4372037558 sur OpenAlexafffund
Aziz Gueye, Ilhan Koçar, Emmanuel Francois, Jean Mahseredjian

Notice bibliographique

RevueIEEE Transactions on Power Delivery · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueLightning and Electromagnetic Phenomena
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaHydro-Québec
Mots-clésTransmission lineTransient (computer programming)Curve fittingElectric power transmissionPassivityComputer scienceLine (geometry)Model order reductionControl theory (sociology)Applied mathematicsElectronic engineeringAlgorithmMathematicsEngineeringElectrical engineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

This paper presents stringent comparisons between Vector Fitting (VFIT), Relaxed Vector Fitting (R-VFIT) and Rational Krylov Fitting (RKFIT) techniques in the fitting of transmission line and cable functions to rational forms while accounting for the frequency dependence of electrical parameters. The fitting procedures encapsulate new solution strategies to improve fitting performance. Various case studies are presented to assess the performance of RKFIT in terms of model order reduction, passivity violation and computing times. In addition, the use of RKFIT in obtaining the frequency dependent cable model (FDCM) is demonstrated for the first time together with a resolved case study that showed unstable behavior with the universal line model (ULM) methodology.

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)0,000
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 enseignants0,077
Score d'incertitude au seuil0,322

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,017
Tête enseignante GPT0,277
Écart entre enseignants0,260 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power DeliveryMême sujetLightning and Electromagnetic PhenomenaTravaux en français237 207