This article has been accepted for inclusion in a future issue of this journal. Content is final as presented, with the exception of pagination. IEEE TRANSACTIONS ON POWER SYSTEMS 1 Fuzzy Partitioning of a Real Power System for Dynamic Vulnerability Asses
Notice bibliographique
Résumé
Abstract—Recently, the authors proposed a clustering approach based on the Fuzzy C-medoid algorithm (FCMdd), for segregating large power systems into coherent electric areas centered around a representative so-called medoid-bus. This bus was shown to be a natural location for PMU in the context of wide-area measurement system (WAMS) configuration for of dynamic vulnerability assess-ment (DVA). The method was demonstrated on two test systems. The goal of this companion paper is to extend the approach to an actual grid (Hydro-Québec) with more realistic characteristics in terms of geography and system dynamics. We start by developing a formulation of the coherency matrix that is recursive in time to enable online grid partitioning. The FCMdd is then implemented and compared with other statistical learning techniques. It is ob-served that only FCMdd is able to provide an intuitively appealing 7-clusters solution for 429-bus system. It is further demonstrated that medoids-based system-wise indices can forecast the contingen-cies severity under varying network configurations and loadings. Index Terms—Coherency, coherent area, network partitioning, phasor measurement units, PMU placement, power system moni-toring, power system stability, vulnerability assessment, wide-area measurements. I.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».