MétaCan
Menu
Retour à la cohorte
Enregistrement W4401607332 · doi:10.1109/tii.2024.3431090

Low Voltage Distribution Network TN-S Impedance Identification Considering Single and Three-Phase Hybrid Connection

2024· article· en· W4401607332 sur OpenAlexaff
Jian Zhao, Yue Chen, Xiaoyu Wang

Notice bibliographique

RevueIEEE Transactions on Industrial Informatics · 2024
Typearticle
Langueen
DomaineEngineering
ThématiquePower Line Communications and Noise
Établissements canadiensCarleton University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésElectrical impedanceReactanceControl theory (sociology)Decoupling (probability)Impedance bridgingElectronic engineeringOutput impedanceEngineeringThree-phaseImpedance matchingVoltageDamping factorComputer scienceElectrical engineeringControl engineering

Résumé

récupéré en direct d'OpenAlex

The low-voltage distribution network (LVDN) terrestrial-neutral-separated (TN-S) impedance refers to the nodal resistance and reactance values on a three-phase five-wire line. The distributed photovoltaics and electric vehicles are increasingly integrated into the LVDN in either single-phase or three-phase mode. It will aggravate the three-phase unbalance, produce unbalance current in the neutral line, which brings difficulties to phase decoupling for impedance estimation. In this regard, this article proposes a LVDN TN-S impedance identification method that considers the single-phase and three-phase hybrid connection. Specifically, a LVDN line impedance model containing the neutral and phase line coupling relationship is proposed. Subsequently, the self-impedance of the phase and neutral line is modeled using a hierarchical-multiple regression, and the mutual impedance estimation model is proposed to investigate its impact on the TN-S line impedance. Then, a joint cross-iterative algorithm is devised to improve the accuracy of impedance identification. Finally, the effectiveness and accuracy of the proposed method are verified through a simulated 30-node LVDN test and an actual community system.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,037
Tête enseignante GPT0,257
Écart entre enseignants0,220 · 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'étudeExpérimental (laboratoire)
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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industrial InformaticsMême sujetPower Line Communications and NoiseTravaux en français237 207