Removal of measurement noise spikes in grid-connected power converters
Notice bibliographique
Résumé
Power Electronic Converters (PECs) are routinely used to control the energy supplied to electric grids from distributed generators. The operation of PECs involves the control of voltage and current by rapidly switching power semiconductor devices. Rapid switching of these devices causes a certain class of high frequency noise called spikes which in turn are induced into sensor measurements. In addition to PEC control functions, the sensor measurements are also used to detect over current (OI) over voltage (OV) and under voltage (UV) faults. The presence of noise spikes compromises the performance and leads to unnecessary triggering of fault protection circuitry as a result of false detection of over/under voltage and current faults. The development of a new algorithm to remove short time electrical spikes from PEC sensors is the focus of this paper. In such a way, the PEC is unaffected and false OI, OV, and UV alarms are eliminated. The methodology uses the discrete wavelet transform (DWT) to generate a feature space where the spike feature is detected and removed, and the inverse DWT to reconstruct spike-free measurements. A Field-Programmable Gate Array (FPGA)-based interface board is designed to implement the new algorithm within an actual PEC system. The designed FPGA board along with the new algorithm is used in integration of distributed generators into power systems.
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 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) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».