MétaCan
Menu
Retour à la cohorte
Enregistrement W7162026762 · doi:10.82308/11906

MPI parallel computing on eigensystems of small signal stability analysis for large interconnected power grids

2010· dissertation· en· W7162026762 sur OpenAlexaboutno aff
Yu Ming Jiao

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMessage Passing InterfaceStability (learning theory)Parallel processingParallel I/OCode (set theory)Grid patternParallel algorithm

Résumé

récupéré en direct d'OpenAlex

L'analyse des valeurs propres est largement utilisée dans les études de stabilité des réseaux électriques. En utilisant les ordinateurs personnels disponibles aujourd'hui, le calcul de la totalité des valeurs propres de plusieurs grands réseaux électriques interconnectés requiert beaucoup de temps. Étant donné que les lignes de transport d'électricité sont connectées et déconnectées et que les charges ne cessent de varier, le suivi des valeurs propres en temps réel nécessite des calculs en parallèles. Récemment, une méthode de calcul en parallèle des valeurs propres, la Break et Bind (B & B), a été proposée par le Dr. H. M. Banakar à l'Université McGill. Cette méthode voit la connexion de deux sous-réseaux isolés comme étant équivalent à une modification de rang un de la matrice de raideur et considère les deux sous-réseaux comme une entité entière. La recherche de cette thèse consiste à implanter la méthode B & B avec une programmation parallèle en #C basé sur l'interface Message Passing Interface (MPI). Le code de programmation développé en MPI a été exécuté avec des superordinateurs - Krylov de CLUMEQ et Mammouth série II de RQCHP. Les résultats des tests ont démontrés que les valeurs propres d'un système composé d'environ 4,000 alternateurs peuvent être calculées à l'intérieur de deux secondes.

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), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,611
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)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,017
Tête enseignante GPT0,245
Écart entre enseignants0,228 · 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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPower System Optimization and StabilityTravaux en français237 207