MétaCan
Menu
Retour à la cohorte
Enregistrement W4382982862 · doi:10.3390/en16135085

Monitoring Technologies for HVDC Transmission Lines

2023· article· en· W4382982862 sur OpenAlexafffund
Jeff Laninga, Ali Nasr Esfahani, Gevindu Ediriweera, Nathan D. Jacob, Behzad Kordi

Notice bibliographique

RevueEnergies · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensUniversity of ManitobaManitoba Hydro
Organismes subventionnairesManitoba Hydro
Mots-clésElectric power transmissionHVACTransmission (telecommunications)Power transmissionElectrical engineeringEngineeringTransmission systemComputer scienceElectric power systemTelecommunicationsPower (physics)Mechanical engineeringAir conditioning

Résumé

récupéré en direct d'OpenAlex

HVDC transmission systems are becoming more prevalent because of the advantages they offer. They are more efficient and environmentally friendly and are becoming preferred in distributed power generation. The reliable operation of HVDC transmission lines requires distributed, online monitoring, which is not as well-developed as those in an HVAC system. The advancement of HVDC systems will require online monitoring that provides information on the operating and environmental conditions, mechanical stress on the conductors and the structure, vegetation clearance, and security of the system. This perspective paper provides a thorough overview of the state-of-the-art technologies that are applicable to the monitoring of HVDC transmission lines. The challenges and future direction in the development of sensors for HVDC applications are highlighted. One of the key challenges unique to HVDC transmission lines is energy harvesting from the transmission line conductors to provide power for the monitoring equipment. This paper reviews the potential technologies for energy harvesting from HVAC transmission lines and their suitability for employment in HVDC transmission lines.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,577
Score d'incertitude au seuil0,532

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 Opus0,018
Tête enseignante GPT0,241
Écart entre enseignants0,223 · 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

Citations24
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207