Méthode globale d'implantation d'un réglage secondaire coordonné de tension hybride
Bibliographic record
Abstract
Ce document présente en quatre sections distinctes une approche globale de réglage secondaire coordonnée de tension (RSCT). En premier lieu, le réseau est divisé en zone de réglage de tension (ZRT) possédant peu d’interaction entre-elles. La division de réseau en ZRT est faite en utilisant une méthode proposée dans la littérature par optimisation d’une fonction objectif (Blumsack et al. (2009)) et à l’aide d’une mesure de distance électrique (DE) calculée par l’entropie conditionnelle. Dans la perspective d’améliorer l’analyse des ZRT obtenues, un nouvel indice est proposé pour mesurer les interactions entre les ZRT soit la DE entre les zones. En deuxième lieu, des noeuds pilotes sont obtenus dans chacune des zones selon leur capacité à bien représenter le profil de tension de la zone et à être contrôlés par les unités de compensation en présence. À partir des mesures de DE, un algorithme de classification PAM, ou CWN-PAM, sélectionne les pilotes selon ces critères. En troisième lieu, le présent document modifie la méthode de RSCT proposée par EDF dans Lefebvre et al. (2000), afin d’ajouter des unités de compensation discrètes dans l’algorithme de contrôle. Les résultats sont présentés sur les réseaux IEEE 39 barres et IEEE 118 barres démontrant l’efficacité de cette approche. Finalement, l’approche globale de RSCT est implantée au réseau de transport d’Hydro-Québec afin de valider son application à de grands réseaux électriques.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.003 |
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".