MétaCan
Menu
Retour à la cohorte
Enregistrement W4378965807 · doi:10.1109/repc49397.2023.00015

Understanding Impacts of Frequency Calculations on Underfrequency Load Shedding

2023· article· en· W4378965807 sur OpenAlexaff
Kumaraguru Prabakar, Yaswanth Nag Velaga, Andy Hoke, Rishabh Jain, Jay Sawant, Deepthi Vaidhynathan, Li Yu, Ken Aramaki, Lukas Unruh, Andrew Isaacs

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensElectrovaya (Canada)
Organismes subventionnairesNational Renewable Energy LaboratoryU.S. Department of Energy
Mots-clésRelayReliability (semiconductor)Load SheddingElectric power systemComputer scienceReliability engineeringAutomatic frequency controlProtective relayWork (physics)Power (physics)Electronic engineeringControl engineeringEngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

Power system fundamental frequency-dependent protection decisions and control decisions are increasingly common in the distribution system space. Understanding the algorithms used in frequency measurements is critical to understanding the decisions made by the many intelligent electronic devices in the power system. These decisions are critically important for reliability analysis for interconnected power systems as they bear directly on resource planning to mitigate under-frequency conditions that would result in under-frequency load shedding (UFLS). This work aims to improve the understanding of frequency measurement algorithms, evaluate the intelligent electronic devices that use frequency measurements for decision making, and understand the algorithms' direct impact on frequency related decision making. First, this work presents background information on the use of frequency measurements in protection logic, specifically UFLS. Second, the paper presents a relay hardware evaluation test bed used to detect and protect systems from under-frequency events. Finally, the paper presents the dynamic events used to evaluate commercially available, off-the-shelf relay equipment and the results from the relay evaluation.

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: aucune
Score de désaccord entre enseignants0,925
Score d'incertitude au seuil0,399

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 Opus0,082
Tête enseignante GPT0,273
Écart entre enseignants0,190 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPower System Optimization and StabilityTravaux en français237 207