Hierarchical-decentralized scheme for short-term voltage stability status prediction and localization
Notice bibliographique
Résumé
A hierarchical-decentralized short-term voltage stability (SVS) status prediction and localization scheme is proposed. This scheme can provide SVS status predictions and localization weightages to identify zones with the highest risk of instability, based on the measurements from each zone. • Partitioned the power system into zones to implement the proposed decentralized SVS status prediction scheme considering the electrical coupling between the buses. • Developed a data driven hierarchical-decentralized real-time SVS status assessment scheme which uses Temporal Convolution Network (TCN) classifiers at zonal level and a soft voting algorithm at the central unit. • Proposed and tested a mechanism to rank the most affected zones where counter actions should be initiated. • Conducted a thorough case study that validates all aspects of the proposed SVS status prediction and localization scheme, including investigation of the influence of inverter-based resources (IBR). Data-driven short-term voltage stability (SVS) status assessment is gaining attention due to advancements in deep learning and promising prediction accuracies. Generally, providing support to preserve voltage stability is more effective when it is provided through local countermeasures. Hence, a decentralized approach for predicting short-term voltage stability status using regional measurements can help localization of regions for initiating remedial actions. This paper proposes a hierarchical-decentralized scheme that can predict SVS status and provide localization weightages to identify the zones with the highest risk of instability. The system is partitioned into different zones and a Temporal Convolution Network (TCN) is trained to predict the SVS status of each zone using the zonal measurements. Additionally, a zonal index that indicates the severity of SVS status is computed to help localization scheme. Finally, these locally obtained indicators are conveyed to a central location, which ensembles them to obtain the final decision. This scheme is evaluated on IEEE Nordic test system, modified to incorporate inverter-based resources and dynamic loads, to analyze the performance.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».