Methodology for off-line validation of transmission line parameters via several measurement snapshots
Notice bibliographique
Résumé
Neste trabalho propõe-se uma metodologia off-line, prática e eficiente, para detectar, identificar e corrigir erros em parâmetros série e shunt de linhas de transmissão. As linhas de transmissão, ou ramos do modelo barra-ramo, suspeitas de estarem com EPs são identificadas através do Índice de Suspeita (IS). O IS de um ramo é a relação entre o número de medidas incidentes a esse ramo, cujos resíduos normalizados são maiores que um valor pré-estabelecido, e o número total de medidas incidentes a esse ramo. Usando várias amostras de medidas, os parâmetros dos ramos suspeitos são estimados, de forma seqüencial, via um estimador de estado e parâmetros baseado nas equações normais, que aumenta o vetor de variáveis de estado para inclusão dos parâmetros suspeitos. Resultados numéricos de diversas simulações, com os sistemas de 14, 30 e 57 barras do IEEE, têm demonstrado a alta precisão e confiabilidade da metodologia proposta, mesmo na ocorrência de erros múltiplos (em mais de um parâmetro) em ramos adjacentes, como também em linhas de transmissão paralelas com compensação série. Comprovou-se a viabilidade prática da metodologia proposta através da aplicação da mesma, para depuração (detecção, identificação e correção) dos valores dos parâmetros de dois subsistemas da Hydro-Québec Trans-Énergie.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».