MétaCan
Menu
Retour à la cohorte
Enregistrement W4413785789 · doi:10.1109/tpwrs.2025.3600646

A Data-Driven Forced Oscillation Locating Method for Power Systems With Inverter-Based Resources

2025· article· en· W4413785789 sur OpenAlexaff
Yaojie Cai, Georgia Pierrou, Xiaozhe Wang, G. Joós

Notice bibliographique

RevueIEEE Transactions on Power Systems · 2025
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésElectric power systemInverterForced oscillationOscillation (cell signaling)Computer scienceControl theory (sociology)Control engineeringPower (physics)Electronic engineeringEngineeringElectrical engineeringVoltagePhysicsControl (management)Electrical impedanceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Forced Oscillations (FO) stemming from external periodic disturbances threaten power system security and stability. The increasing penetration of Inverter-Based Resources (IBRs) further introduces FO, leading to new challenges in identifying and locating FO sources in modern power systems. In this paper, a novel data-driven method for locating FO in power systems with IBRs is proposed. Unlike previous works, a unified representation of FO originating from IBRs is considered, which further facilitates the development of the FO locating algorithm. Leveraging on Sparse Identification for a Nonlinear Dynamical (SINDy), a purely data-driven methodology is developed for locating the source of FO by interpreting the proposed model from measurements. Numerical results on the WECC 240-bus system validate the performance of the proposed approach in successfully locating FO in the presence of IBRs.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,993
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,022
Tête enseignante GPT0,267
Écart entre enseignants0,245 · 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.

Devis d'étudeSimulation ou modélisation
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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power SystemsMême sujetPower System Optimization and StabilityTravaux en français237 207