MétaCan
Menu
Retour à la cohorte
Enregistrement W4384344856 · doi:10.1109/eic55835.2023.10177288

Establishing Stator Winding Insulation Systems Life Following Industry Standards for Thermal Classification

2023· article· en· W4384344856 sur OpenAlexaff
Saeed Ul Haq, Madu TS Moorthy, Bvm Kailash, Thomas Hillmer, Aysha Nayab

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueThermal Analysis in Power Transmission
Établissements canadiensGeneral Electric (Canada)
Organismes subventionnairesnon disponible
Mots-clésStatorInsulation systemOriginal equipment manufacturerThermalReliability engineeringElectromagnetic coilThermal insulationMargin (machine learning)EngineeringClass (philosophy)Computer scienceMechanical engineeringAutomotive engineeringElectrical engineeringMaterials scienceComposite materialArtificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

Current VPI and resin rich stator winding insulation systems are widely classified for thermal Class F. To achieve a successful service life, it is expected that a machine should last reliably when operating within specified temperature limits. To achieve a reliable life, it is assumed that maintenance protocols are followed, as per the OEMs instruction manual. The recommended standards to qualify or evaluate insulation systems for a thermal class are IEEE Std. 1776 or IEC Std. 60034-18-31. Typically insulating materials operating at their thermal class limit or temperature will degrade faster. To achieve a significantly longer operational insulation life it is common to maintain margin between the winding temperature rise above ambient and the winding insulation thermal class as specified by NEMA MG-1. In this paper, a comparative study of different industry standards is presented, explaining their differences for establishing a thermal class. In addition, experimental work is presented to show, how thermal classification for a 13.8 kV system is established along with the use of statistical tools.

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 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 enseignants0,197
Score d'incertitude au seuil0,611

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
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 Opus0,028
Tête enseignante GPT0,280
Écart entre enseignants0,252 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetThermal Analysis in Power TransmissionTravaux en français237 207