MétaCan
Menu
Retour à la cohorte
Enregistrement W1865379289 · doi:10.1109/pesc.2003.1216625

An efficient control of the series compensator for sag mitigation and voltage regulation

2004· article· en· W1865379289 sur OpenAlexaff
Mostafa I. Marei, Ehab F. El‐Saadany, M.M.A. Salama

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePower Quality and Harmonics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésVoltage sagControl theory (sociology)Series (stratigraphy)VoltageVoltage regulationComputer scienceControl (management)Voltage regulatorControl systemControl engineeringEngineeringPower qualityElectrical engineeringGeology

Résumé

récupéré en direct d'OpenAlex

The series compensator is a challenging solution for power quality problems related to the voltage. One of the most common control algorithms used for the series voltage compensator is the symmetrical component method. this paper introduces a new recursive least square (RLS) structure for symmetrical components estimation. This structure is capable of dealing with multioutput (MO) systems for parameter estimation and is called MO-RLS. A novel feed forward control based on the proposed MO-RLS is dictated for the series compensator not only to compensate for the zero and negative sequence components, but also to regulate the positive sequence component to the nominal load voltage. One advantage of the proposed control system is its insensitivity to parameters variation, a necessity for the series compensator. Simulations of the proposed algorithm are conducted to show the robustness, the high accuracy and the fast dynamic performance of the novel system.

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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,244
Score d'incertitude au seuil0,114

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,214
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPower Quality and HarmonicsTravaux en français237 207