MétaCan
Menu
Retour à la cohorte
Enregistrement W4400318865 · doi:10.23977/jeeem.2024.070204

Strategy and Practice of Power System Relay Protection under Extreme Weather Conditions

2024· article· en· W4400318865 sur OpenAlexvenueno aff

Notice bibliographique

RevueJournal of Electrotechnology Electrical Engineering and Management · 2024
Typearticle
Langueen
DomaineEngineering
ThématiquePower Systems and Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRelayExtreme weatherPower (physics)MeteorologyEnvironmental scienceGeographyClimate changeGeologyOceanographyPhysics

Résumé

récupéré en direct d'OpenAlex

With the continuous expansion and increasing complexity of the power system, the protection requirements for the power system are also increasing. Although traditional relay protection systems can play a certain protective role, they have some limitations, such as the inability to comprehensively monitor the power system and the lack of accurate judgment. Developing and applying intelligent relay protection systems has become an important way to improve the safety and reliability of power systems. This article explored the relay protection strategies and practices for power systems under extreme weather conditions. Traditional relay protection systems have limitations in addressing the increasingly complex protection needs of power systems. Therefore, the development and application of intelligent relay protection systems have become a key way to improve the safety and reliability of power systems. This article verified the effectiveness of the knowledge base based relay protection fault handling process in improving the safety, stability, and fault handling efficiency of power systems through experimental results and discussions. The experimental results showed that under different fault conditions, the processing accuracy was generally high, and in the vast majority of cases, the accuracy exceeded 90%. For example, the accuracy of handling line short circuits and voltage anomalies was 95% and 96%, respectively.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,003
Communication savante0,0030,003
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,009
Tête enseignante GPT0,209
Écart entre enseignants0,200 · 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'étudeSans objet
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Electrotechnology Electrical Engineering and ManagementMême sujetPower Systems and TechnologiesTravaux en français237 207