MétaCan
Menu
Retour à la cohorte
Enregistrement W4413184753 · doi:10.1016/j.epsr.2025.112096

Estimation of corrosion exposure of transmission lines due to de-icing salt applied on roads

2025· article· en· W4413184753 sur OpenAlexaff
Shaoqi Yang, Luc Chouinard, Meysam Hassanipour, Shengmiao Li, Jean-Marc Meango, Miguel Diago

Notice bibliographique

RevueElectric Power Systems Research · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSmart Materials for Construction
Établissements canadiensHydro-QuébecMcGill University
Organismes subventionnairesnon disponible
Mots-clésIcingElectric power transmissionEstimationCorrosionSalt (chemistry)Environmental scienceTransmission (telecommunications)Forensic engineeringEngineeringMaterials scienceChemistryMeteorologyGeographyTelecommunicationsElectrical engineeringMetallurgy

Résumé

récupéré en direct d'OpenAlex

This paper proposes a comprehensive corrosion exposure model for overhead electric transmission conductors near roads in northern climates. The proposed model accounts for the level of traffic, the frequency of winter precipitation, de-icing salt spreading practices, wind speed, and wind direction for predicting the level of chloride contamination during winter as a function of the relative position of a transmission line to the road. The exposure to chlorides is used in combination with relative humidity, air temperature, and SO 2 levels to estimate annual rates of corrosion for the line. The exposure model is successfully validated with inspection data collected over several spans at six sites. The yearly corrosion hazard is also evaluated using the ISO 9223 annual rate of corrosion classification for conductors at 6 different locations with similar service life, which compare well with field measurements of residual zinc layers. The next step in the research is to improve estimates of yearly corrosion rates and residual life by accounting for the effective time of exposure during the service life, the indirect exposure of steel wires due to the shielding effect from of aluminium wires, and the variability of the zinc layer thickness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,355

Scores Codex et Gemma par catégorie

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

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 Opus0,014
Tête enseignante GPT0,298
Écart entre enseignants0,285 · 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 tête enseignante, 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueElectric Power Systems ResearchMême sujetSmart Materials for ConstructionTravaux en français237 207