MétaCan
Menu
Retour à la cohorte
Enregistrement W7160149882 · doi:10.63125/nwsgxf14

Quantitative Simulation-Based Model for Short-Circuit Analysis, Arc-Flash Risk Evaluation, and Protection Coordination in Industrial Electrical Systems

2023· article· W7160149882 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAmerican Journal of Advanced Technology and Engineering Solutions · 2023
Typearticle
Langue
DomaineEngineering
ThématiqueElectrical Fault Detection and Protection
Établissements canadiensOralys (Canada)
Organismes subventionnairesnon disponible
Mots-clésReliability (semiconductor)Key (lock)Electric potential energySystem safetyElectrical equipmentSafety EquipmentClearing

Résumé

récupéré en direct d'OpenAlex

This study addresses the persistent safety and reliability problem in industrial electrical systems where short-circuit faults, arc-flash hazards, and poorly coordinated protective devices can jointly cause equipment damage, worker injury, unnecessary outages, and reduced operational continuity. The purpose of the research was to develop and test an integrated quantitative simulation-based model showing how short-circuit analysis, arc-flash risk evaluation, and protection coordination influence industrial electrical system safety and performance. Using a quantitative, cross-sectional, case-based design, the study combined survey data from 210 valid respondents drawn from industrial enterprise case environments, including electrical engineers, maintenance engineers, safety officers, technicians, and supervisors, with simulation outputs from key electrical locations such as the main LV switchboard, MCCs, and feeder buses. The main independent variables were short-circuiting analysis, arc-flash risk evaluation, and protection coordination, while the dependent variable was industrial electrical system safety and operational performance. Data were analyzed using descriptive statistics, Pearson correlation, and multiple regression. The findings showed high mean scores for all major constructs, including short-circuit analysis (M = 4.18, SD = 0.61), arc-flash risk evaluation (M = 4.24, SD = 0.57), protection coordination (M = 4.31, SD = 0.54), and industrial electrical safety and performance (M = 4.27, SD = 0.59). Simulation results identified the Main LV Switchboard Bus as the highest fault-current location at 31.6 kA, while arc-flash incident energy at MCC-1 decreased from 9.8 cal/cm² to 5.9 cal/cm² after coordination refinement, a reduction of about 39.8%, and clearing time improved from 0.42 s to 0.24 s. Correlation analysis revealed strong positive relationships with system safety and performance for short-circuit analysis (r = 0.71), arc-flash risk evaluation (r = 0.76), and protection coordination (r = 0.83), all at p < .001. Regression results further showed that the model explained 72.4% of the variance in safety and performance (R² = 0.724, F(3,206) = 180.24, p < .001), with protection coordination emerging as the strongest predictor (β = 0.401), followed by arc-flash risk evaluation (β = 0.287) and short-circuit analysis (β = 0.249). The study implies that industrial organizations can significantly improve electrical safety and system dependability by integrating fault studies, arc-flash assessment, and coordination review into a single protection management framework.

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.

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)0,003
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 enseignants0,672
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0060,010
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,042
Tête enseignante GPT0,305
Écart entre enseignants0,263 · 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