MétaCan
Menu
Retour à la cohorte
Enregistrement W4386173251

A Laplacian Approach to Locate Source of Forced Oscillations Under Resonance Conditions Based on Energy-Driven Multilateral Interactive Pattern

2022· article· en· W4386173251 sur OpenAlexaff
Ali Hesami Naghshbandy, Kamyar Naderi, U.D. Annakkage

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueNeural Networks and Applications
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésOpen sourceEnergy (signal processing)Laplace operatorResonance (particle physics)PhysicsComputer scienceAcousticsAtomic physicsQuantum mechanics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The most challenging circumstance of forced oscillations (FOs) is when the power system is forced to oscillate at its natural frequencies. This paper uses a novel PMU data-driven mechanism to pinpoint the source of such phenomena under resonance. Following the detection of FOs, the instantaneous changes in the output power and angular velocity of the rotors are calculated. Accordingly, an energy-driven multilateral interaction pattern is obtained for all synchronous generators. Next, an appropriate positive weighted undirected graph is constructed through these functional patterns based on the spectral graph theory. These quantitative indicators are then analyzed through the eigenvalue spectrum of the normalized Laplacian matrix of the system graph reduced to the internal generator buses. Finally, the smallest value in eigenvectors corresponding to the two largest eigenvalues reveals the location of the source. The proposed methodology’s validation and verification studies have been performed on the WECC 3-machine 9-bus and New England 10-machine 39-bus benchmark power systems modeled in the Real-Time Digital Simulator (RTDS) and then analyzed in the MATLAB environment. The proposed methodology revealed to be fast and accurate in locating the source of FOs under challenging resonance situations with promising results while addressing the generator side origins.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,167
Tête enseignante GPT0,469
Écart entre enseignants0,302 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetNeural Networks and ApplicationsTravaux en français237 207