Assignment of Responsibility for Short-Duration Voltage Variation via QGIS, OpenDSS and Python
Hyväksytty
Luokittelutiedot
OKM-julkaisutyyppi
A4 Vertaisarvioitu artikkeli konferenssijulkaisussa
Julkaisun muoto
Artikkeli
Kohderyhmä
Tieteellinen
Vertaisarvioitu
Vertaisarvioitu
Artikkelityyppi
Muu artikkeli
Emojulkaisun tyyppi
Konferenssialusta
Julkaisukanavan tiedot
Emojulkaisun nimi
2024 International Workshop on Artificial Intelligence and Machine Learning for Energy Transformation, AIE 2024
ISBN (painettu)
979-8-3503-6497-2
ISBN (elektroninen)
979-8-3503-6496-5
Konferenssin nimi
International Workshop on Artificial Intelligence and Machine Learning for Energy Transformation (AIE)
Kustantaja
IEEE
Julkaisun JUFO ID
5475
Julkaisun JUFO-taso
1
Julkaisu on FT-listalla
Ei
Julkaisumaa
Yhdysvallat (USA)
Kansainvälisyys
Kyllä
Julkaisun tarkemmat tiedot
Julkaisuvuosi
2024
Ilmoitusvuosi
2024
DOI
10.1109/AIE61866.2024.10561325
Julkaisukieli
englanti
Yhteisjulkaisutiedot
Kansainvälinen yhteisjulkaisu
Kyllä
Yhteisjulkaisu yrityksen kanssa
Ei
Saatavuustiedot
Verkkojulkaisun linkki
Luokitukset ja lisätiedot
OKM-tieteenalaluokitus
213 Sähkö-, automaatio- ja tietoliikennetekniikka, elektroniikka
Avainsanat
OpenDSS; phenomenon responsibility; Power quality; QGIS; short-duration voltage variation; short-term voltage variations
Rahoittajatiedot
Rahoitustiedot julkaisussa
The authors have been supported by Minas Gerais Research Funding Foundation (FAPEMIG) (Demanda Universal APQ-02176-22, and APQ04929-22), Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) (406881/2022-7), and the Coordenacao de Aperfeicoamento de Pessoal de Nıvel Superior - Brazil (CAPES) - Finance Code 001. We also thank the Programa de Pos-graduacao em Engenharia Eletrica (PPGEELT) from the Federal University of Uberlandia (UFU).
Lähdetietokantojen tunnukset
Scopus -tunniste
2-s2.0-85197896500