Modélisation et optimisation du système d’excitation du groupe turbine-alternateur du simulatuer analogique d’Hydro-Québec
Bibliographic record
Abstract
Le présent mémoire porte sur la modélisation et l’optimisation du système d’excitation du groupe Turbine-Alternateur du Simulateur analogique d’Hydro-Québec. L’important rôle que joue la partie excitatrice dans l’ensemble des composantes du simulateur implique non seulement que cet élément assure la protection des autres éléments du groupe (la surtension par exemple aux bornes de l’alternateur), mais aussi sa propre protection (surintensité du circuit d’excitation par exemple). Il intervient aussi dans l’amélioration des performances dynamiques du simulateur tout en assurant sa fiabilité et sa durabilité. \nCe document présente en premier lieu : (1) une introduction générale, qui illustre l’intérêt de ce projet d’un point de vue socio-économique et éducatif, les objectifs visés ainsi que la méthodologie adoptée; (2) un état de l’art sur les systèmes d’excitations des génératrices synchrones; (3) les modèles mathématiques de chaque partie du groupe-turbine-alternateur sont développés, plus particulièrement le modèle du système d’excitation, avant de faire une introduction aux régulateurs conventionnel (4) souvent introduits au niveau de l’excitatrice; (5) une méthode d’optimisation basée sur les algorithmes génétiques est présentée dans le but d’optimiser les paramètres du système d’excitation. \nLes modèles élaborés de chaque partie du groupe turbine-alternateur sont assemblés. En prenant les valeurs des paramètres de la littérature courante, (6) une validation sous matlab/simulink est effectuée, présentant ainsi les résultats de la régulation et d’optimisation sur le système global.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".