JR
Jie Ren
Author with expertise in Detection and Localization of Arc Faults in Electrical Systems
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
2
(50% Open Access)
Cited by:
533
h-index:
8
/
i10-index:
5
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Database Resources of the National Genomics Data Center, China National Center for Bioinformation in 2022

Yongbiao Xue et al.Oct 8, 2021
+73
Z
Y
Y
The National Genomics Data Center (NGDC), part of the China National Center for Bioinformation (CNCB), provides a family of database resources to support global research in both academia and industry. With the explosively accumulated multi-omics data at ever-faster rates, CNCB-NGDC is constantly scaling up and updating its core database resources through big data archive, curation, integration and analysis. In the past year, efforts have been made to synthesize the growing data and knowledge, particularly in single-cell omics and precision medicine research, and a series of resources have been newly developed, updated and enhanced. Moreover, CNCB-NGDC has continued to daily update SARS-CoV-2 genome sequences, variants, haplotypes and literature. Particularly, OpenLB, an open library of bioscience, has been established by providing easy and open access to a substantial number of abstract texts from PubMed, bioRxiv and medRxiv. In addition, Database Commons is significantly updated by cataloguing a full list of global databases, and BLAST tools are newly deployed to provide online sequence search services. All these resources along with their services are publicly accessible at https://ngdc.cncb.ac.cn.
0
Citation533
0
Save
0

Novel Approach for Arc Grounded Fault Detection Based on Significant Harmonics in Resonant Grounding Distribution Network

Jie Ren et al.May 19, 2024
+2
X
Z
J
Arc-grounded fault (AGF) in distribution networks significantly threatens personal and equipment safety. In a resonant grounded distribution network (RGDN), the distortion features commonly used for arc detection are altered by frequency characteristics of the equivalent zero mode network, which will pose a massive challenge to ensuring the effectiveness of AGF detection and faulty feeder selection. For these issues, a significant harmonic-based approach for AGF detection and faulty feeder selection in RGDN is proposed in this paper. For more intuitive, compatible, and easily scalable arc signatures, the amplitude-frequency-phase characteristic of principle harmonics in arc current is analyzed in detail with multi-model simulation, and the quantitative relations of phase and amplitude between significant harmonics and industrial frequency (IF) components have been built for constructing the general form of the features set. Then, to be aware of the effect of the Petersen coil on the harmonics in the zero-sequence current (ZSC) of a faulty feeder, the equivalent model of RGDN with its frequency characteristic has been built and analyzed in detail, and the estimation equation of current at fault point is derived. Furthermore, a Taylor- Fourier transform (TFT) based features extraction approach and a targeted strategy of AGF detection and faulty feeder selection have been designed. With simulation data, the effectiveness of the proposed method has been verified.