Dynamic phasor modeling of type 3 DFIG wind generators (including SSCI phenomenon) for short circuit calculations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Summary form only given. The short circuit contribution of a Type 3 wind farm connected to a series compensated line is affected by subsynchronous interactions making it essential to model such behavior. Fundamental frequency models are unable to represent the majority of critical wind generator fault characteristics. The complete electromagnetic transient (EMT) models, though accurate, demand high levels of computation and modeling expertise. This paper proposes a novel modeling technique based on the generalized averaging theory, where system variables are represented using time varying Fourier coefficients known as dynamic phasors. The proposed modeling technique does not just include 60 Hz frequencies but also other dominant frequencies such as 36 Hz present due to the SSCI in the system. Methods currently used by the industry mostly rely on fundamental frequency based analysis. Only the appropriate dynamic phasors are selected for the required fault behavior to be represented. Once the SSCI behavior (waveforms showing resonant frequency at Point of Common Coupling) of a series compensated Type 3 wind farm from a real time field data is available, the developed model could be used to simulate the scenario without necessarily having to know the exact control blocks of the wind generator controls. A 450 MW Type 3 wind farm consisting of 150 units was modeled using the proposed approach. The method is shown to be accurate for balanced and unbalanced faults as well as for non-fundamental frequency components present in fault currents during sub-synchronous interactions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle