XiaoMi-AI文件搜索系统
World File Search System模型库
模型库和热太阳能的场景
•开发易于理解的低到中等复杂性库•易于扩展以包括更多型号详细信息•电动和热太阳能•包括简单的风能模型•热能和电动电源存储•电动汽车充电模型•简单控制器型号•简单的控制器模型
WECC 认可的动态模型库
esac3a ESAC3A ESAC3A AC3A 已批准 1/21/11 2005 IEEE 标准 - 更新 AC3A 在所有程序中 esac3c AC3C AC3C AC3C 已批准 4/22/20 exac4 EXAC4 EXAC4 AC4A 已批准 8/11/06 带可控整流器的旋转交流电 (Althyrex) (罕见) 与 IEEE AC4A 不同 - 没有 OEL/UEL 输入 esac4a ESAC4A ESAC4A AC4A 已批准 1/21/11 2005 IEEE 标准 - 更新 AC4A 在所有程序中 esac4c AC4C AC4C AC4C 已批准 4/22/20 esac5a ESAC5A ESAC5A AC5A 已批准 1/21/11 简化无刷励磁机 在所有程序中 esac5c AC5C AC5C 已批准 4/22/20 exac6a ESAC6A EXAC6A AC6A 从未批准 交流发电机，非控制整流器，超前滞后 与 IEEE AC6A 不同 - 没有 OEL/UEL 输入；速度乘法器，不是 PSS/E 的新模型（模型已经存在） esac6a ESAC6A ESAC6A AC6A 批准 1/21/11 2005 IEEE 标准 - 更新的 AC6A 在所有程序中 esac6c AC6C AC6C AC6C 批准 4/22/20 esac7b AC7B ESAC7B 和 AC7B AC7B 批准 1/21/11 2005 IEEE 标准 - 新 在所有程序中 esac7c AC7C AC7C AC7C 批准 4/22/20 exac8b ESAC8B EXAC8B ESAC8B 批准 8/11/06 带 PID 电压调节器的无刷励磁机 与 IEEE AC8B 不同 - 没有励磁机上限；增加了输入限制和速度乘数 esac8b AC8B ESAC8B_GE 和 AC8B AC8B 已批准 1/21/11 2005 IEEE 标准 - 更新了 AC8B 在所有程序中 esac8c AC8C AC8C AC8C 已批准 4/22/20 esac9c AC9C AC9C AC9C 已批准 4/22/20 esac10c AC10C AC10C 已批准 4/22/20 AC11C AC11C AC11C 已批准 4/22/20 exbbc BBSEX1 EXBBC 和 BBSEX1 已批准 8/11/06 静态带 ABB 调节器 在所有程序中 exdc1 IEEEX1 EXDC1 和 IEEEX1 DC1A 已批准 8/11/06 旋转直流 与 IEEE DC1A 不同 - 没有 UEL 输入；速度倍增器 esdc1a ESDC1A ESDC1A DC1A 已批准 1/21/11 2005 IEEE 标准 - 更新了 DC1A 在所有程序中 esdc1c DC1C DC1C DC1C 已批准 4/22/20 exdc2 EXDC2 EXDC2_GE 和 EXDC2_PTI 已批准 8/11/06 带有终端供电先导的旋转直流电、交替反馈 exdc2a EXDC2 EXDC2A 和 EXDC2_PTI DC2A 已批准 8/11/06 带有终端供电先导的旋转直流电 与 IEEE DC2A 不同 - 没有 UEL 输入；速度倍增器 esdc2a ESDC2A ESDC2A DC2A 已批准 2005 年 1 月 21 日 IEEE 标准 - 在所有程序中更新了 DC2A esdc2c DC2C DC2C DC2C 已批准 20 年 4 月 22 日 exdc4 IEEET4 EXDC4 和 IEEET4 DC3A 已批准 2006 年 8 月 11 日 旋转、非连续 - 模型间细微差别 如果 Kr = 0，应转换为 IEEEX4 (IEEE DC3A)。在 PSS/E -32 中添加了模型。 esdc3a DC3A ESDC3A 和 DC3A DC3A 已批准 1/21/11 旋转，非连续 在所有程序中 esdc4b DC4B ESDC4B DC4B 已批准 1/21/11 带 PID 的旋转直流 在所有程序中 esdc4c DC4C DC4C DC4C 已批准 4/22/20 exeli EXELI EXELI 已批准 8/11/06 静态 PI 变压器供电励磁系统 exst1 EXST1 EXST1_GE 和 EXST1_PTI ST1A 已批准 8/11/06 静态双超前/滞后 与 IEEE ST1A 不同 - 没有 OEL/UEL 输入；添加了 Xe Ifd 负载；RFB 在励磁电流限制器之前。esst1a ESST1A ESST1A 和 ESST1A_GE ST1A 已批准 1/21/11 在所有程序中 esst1c ST1C ST1C ST1C 已批准 4/22/20 exst2 EXST2 EXST2 已批准 8/11/06 SCPT - 添加了超前/滞后块（Tc、Tb） exst2a ESST2A EXST2A ST2A 已批准 8/11/06 包含超前/滞后块（Tc、Tb）以匹配 WECC FM 与 IEEE ST2A 不同 - 没有 UEL 输入；添加了超前/滞后。 esst2a ESST2A ESST2A ST2A 已批准 2005 年 1 月 21 日 IEEE 标准 - 更新的 ST2A esst2c ST2C ST2C ST2C 已批准 20 年 4 月 22 日 exst3 EXST3 EXST3 ST3 已批准 2006 年 8 月 11 日 exst3a ESST3A EXST3A ST3A 已批准 2006 年 8 月 11 日 用于 GE Generex 与 IEEE ST2A 不同 - 没有 UEL 输入；时间常数较少。esst3a ESST3A ESST3A ST3A 已批准 2005 年 1 月 21 日 IEEE 标准 - 更新的 ST3A esst3c ST3C ST3C 已批准 20 年 4 月 22 日
通过基于组件的降阶模型库实现数据驱动的基于物理的数字孪生
这项工作提出了一种方法，将基于组件的降阶模型库与贝叶斯状态估计相结合，以创建数据驱动的基于物理的数字孪生。降阶建模产生的基于物理的计算模型足够可靠，可用于预测数字孪生，同时仍然可以快速评估。与传统的整体模型降阶技术相比，基于组件的方法可以有效地扩展到大型复杂系统，并为快速模型自适应提供灵活且富有表现力的框架——这两者都是数字孪生环境中的关键特性。数据驱动的模型自适应和不确定性量化被表述为贝叶斯状态估计问题，其中传感器数据用于推断模型库中的哪些模型是数字孪生的最佳候选者。通过为 12 英尺翼展无人机开发数字孪生来展示这种方法。离线时，我们构建了一个原始和受损飞机部件库。在线时，我们使用结构传感器数据快速调整基于物理的飞机结构数字孪生。数据驱动的数字孪生使飞机能够根据结构损坏或退化动态地重新规划安全任务。
蛋白质序列结构图的未探索区域通过折叠语言模型库揭示了
。cc-by-nc-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本的版权持有人，该版本发布于2025年1月13日。 https://doi.org/10.1101/2023.12.22.573145 doi：Biorxiv Preprint
从基于物理的模型到通过可解释机器学习的预测数字孪生
这项工作开发了一种从代表各种资产状态的基于物理的模型库中创建数据驱动的数字孪生的方法。使用可解释的机器学习更新数字孪生。具体来说，我们使用最优树（一种最近开发的可扩展机器学习方法）来训练可解释的数据驱动分类器。分类器的训练数据是使用基于物理的模型库解决的模拟场景离线生成的。可以使用实验或其他历史数据进一步增强这些数据。在操作中，分类器使用来自资产的观测数据来推断模型库中哪些基于物理的模型是更新的数字孪生的最佳候选者。通过为 12 英尺翼展无人机开发结构数字孪生来展示该方法。该数字孪生模型由一系列结构状态下的飞行器降阶模型库构建而成。数据驱动的数字孪生模型会根据结构损坏或退化动态更新，从而使飞机能够相应地重新规划安全任务。在此背景下，我们研究了最优树分类器的性能，并展示了它们的可解释性如何使从稀疏传感器测量中进行可解释的结构评估成为可能，并为最佳传感器放置提供信息。
通过基于组件的降阶模型和可解释的机器学习实现预测性数字孪生
这项工作开发了一种创建和更新数据驱动的基于物理的数字孪生的方法，并通过开发翼展 12 英尺的无人机的结构数字孪生来演示该方法。数字孪生由基于组件的降阶模型库构建，这些模型源自对飞行器在一系列原始和受损状态下的高保真有限元模拟。与传统的整体模型降阶技术相比，基于组件的方法可以有效扩展到大型复杂系统，并为快速模型自适应提供了灵活且富有表现力的框架——这两者都是数字孪生环境中的关键特性。数字孪生使用可解释的机器学习进行部署和更新。具体来说，我们使用最优树（一种最近开发的可扩展机器学习方法）来训练可解释的数据驱动分类器。在操作中，分类器将输入车辆传感器数据，然后推断模型库中哪些基于物理的简化模型最适合组成更新的数字孪生。在我们的示例用例中，数据驱动的数字孪生使飞机能够动态地重新规划安全任务，以应对结构损坏或退化。
