Magnetic Field Monitoring on HVdc Transmission Lines Using a UHF-RFID Tag
Notice bibliographique
Résumé
High-voltage direct current (HVdc) transmission lines are gaining more attention as an integral part of modern power system networks. Monitoring the dc current is important for metering and development of dynamic line rating control schemes. However, this has been a challenging task and there is a need for remote sensing methods with high accuracy and dynamic range. Conventional methods require direct contact with the high-voltage conductors and utilize bulky and complex equipment. In this paper, we introduce a UHF radio frequency identification (RFID)-based sensor to monitor the dc current of an HVdc transmission line. The sensor is comprised of a passive RFID tag, with a custom design antenna, integrated with a Hall effect magnetic field device. The dc current is measured by monitoring the dc magnetic field around the conductor using the Hall effect device. The internal memory of the RFID tag is encoded with the magnetic field data. The RFID tag enables remote wireless interrogation using a conventional RFID reader. The unique advantage of this approach is that the sensor does not require batteries and does not need additional maintenance during its lifetime. This is an important feature in a high voltage environment where any maintenance requires either an outage or special equipment. The UHF RFID-based magnetic field was fabricated and tested in a laboratory experimental setup, which consists of a 34 mm diameter aluminum conductor typically used in a 500 kV HVdc system carrying a dc current of up to 1200 A. The sensor was attached to the conductor such that the Hall effect device was 30 mm from its surface. A dc current in the range of 100–1200 A was measured with an accuracy of 5% for a reader-to-sensor distance of 3 m.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».