MétaCan
Menu
Retour à la cohorte
Enregistrement W4386739116 · doi:10.22541/au.169471110.08616339/v1

An Innovative Harmonic-Based Approach for Inrush Current Detection in Low-loss Transformers

2023· preprint· en· W4386739116 sur OpenAlexaff
Saeed Sanati, Alireza Ahmadi, Majid Sanaye‐Pasand

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueNon-Destructive Testing Techniques
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésInrush currentHarmonicsTransformerHarmonicWaveformHarmonic analysisElectronic engineeringComputer scienceAcousticsVoltageElectrical engineeringEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Transformer inrush current occurs due to the saturation of magnetic core. The magnetic characteristic of the core directly affects the inrush current waveform. Second harmonic and higher-order harmonics are present in the inrush harmonic spectrum. A harmonic-based method analyzing the amplitude and phase of different harmonics is presented in this paper. Based on the proposed method, the differences between the harmonic spectrum of new low-loss and previous generation materials are investigated. Then, using the patterns of 1st to 10th harmonic phases, a novel method for inrush current detection is proposed. In the proposed method, possible patterns for the harmonic phases related to the inrush current are specified. The harmonic phases are compared with those specified patterns. In the case of matching, the inrush current condition is detected. To evaluate the theoretical principles, simulations are performed, also, the proposed method is applied to the field data to assess the practical performance, and results are presented.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,509
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,052
Tête enseignante GPT0,308
Écart entre enseignants0,256 · 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.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNon-Destructive Testing TechniquesTravaux en français237 207