DEVELOPMENT OF A CASE-BASED TRAINING SIMULATOR FOR POWER SYSTEM RESTORATION
Notice bibliographique
Résumé
Due to the continued improvement of the reliability of power system components, electric power blackout has become a rare phenomenon in a modern power system. However, major faults and catastrophic events may lead to the collapse of an entire system. A power company would face huge financial and consequential losses as a result of a power blackout. It is essential to have a speedy restoration to minimize such losses. System operators gain little or no experience on restoration from their daily operation. System operators, therefore, should be trained to handle the complex operations involved in system restoration. A case-based expert system has been developed to train and familiarize system operators with various steps involved in a restoration process. A user friendly and straightforward case-based reasoning algorithm has been proposed to solve the problems of conventional rule-based algorithms. This expert system has been applied to restore a part of the Saskatchewan Power network from simulated blackout events. A user accessible, knowledge database has been developed based on previous experiences. Various mathematical analyses have been used to verify the risk of a proposed solution. A case adaptation process has been developed based on the system symmetry and its configuration. An object-oriented graphical user interface has been developed to communicate with the expert system. Various Windows° resources have been utilized to make the expert system user friendly. With this graphical user interface, a user can simulate a blackout event and the expert system then proposes a solution after consultation with the knowledge database. In its way to propose a solution the graphical user interface explains ongoing reasoning activities and creates an interactive environment. With a user accessible knowledge database, a user can apply his/her own knowledge and can ensure better participation in training sessions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».