MétaCan
Menu
Retour à la cohorte
Enregistrement W4392518159 · doi:10.5772/intechopen.1003734

Analytical Analysis of Power Network Stability: Necessary and Sufficient Conditions

2024· book-chapter· en· W4392518159 sur OpenAlexaff
Javad Soleimani, Reza Farhangi, Güneş Karabulut Kurt, Fatemeh Mechershavi

Notice bibliographique

RevueIntechOpen eBooks · 2024
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueNeural Networks Stability and Synchronization
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésStability (learning theory)Power networkPower (physics)Computer sciencePhysicsElectric power systemThermodynamicsMachine learning

Résumé

récupéré en direct d'OpenAlex

The investigation of the synchronization of Kuramoto oscillators is a crucial applied model for studying harmonization in oscillating phenomena across physical, biological, and engineering networks. This chapter builds on previous studies by exploring the synchronization of Kuramoto oscillators while also conforming to more realistic models. Using the LaSalle Invariance Principle and contraction property, we introduce the necessary and sufficient conditions for frequency synchronization and phase cohesiveness. The novelty of this chapter’s contents lies in three key areas: First, we consider a heterogeneous second-order model with non-uniformity in coupling topology. Second, we apply a non-zero and non-uniform phase shift in coupling function. Third, we introduce a new Lyapunov-based stability analysis technique. Our findings demonstrate that heterogeneity in the network and the phase shift in the coupling function are key factors in network synchronization. We present the synchronization conditions based on network graph-theoretical characteristics and the oscillators’ parameters. Analysis of the results reveals that an increase in the phase shift and heterogeneity of oscillators will complicate the synchronization conditions. Numerical simulations confirm the validity of our theoretical results. One of the main applications of this study is the development of stability conditions for smart grids with Lossy-Power Network.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,023
Tête enseignante GPT0,258
Écart entre enseignants0,235 · 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'étudeThéorique ou conceptuel
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIntechOpen eBooksMême sujetNeural Networks Stability and SynchronizationTravaux en français237 207