MétaCan
Menu
Retour à la cohorte
Enregistrement W2077085611 · doi:10.6000/1929-6002.2014.03.01.4

Optimal Design of PID Controller for Doubly-Fed Induction Generator-Based Wave Energy Conversion System Using Multi-Objective Particle Swarm Optimization

2014· article· en· W2077085611 sur OpenAlexvenueno aff
Adel Elgammal

Notice bibliographique

RevueJournal of Technology Innovations in Renewable Energy · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueWind Turbine Control Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Particle swarm optimizationPID controllerConvertersInduction generatorStatorVector controlEngineeringController (irrigation)Rotor (electric)VoltageControl engineeringComputer scienceInduction motorTemperature control

Résumé

récupéré en direct d'OpenAlex

This paper presents the complete modeling and simulation of Wave Energy Conversion System (WECS) driven doubly-fed induction generator with a closed-loop vector control system. Two Pulse Width Modulated voltage source (PWM) converters for both rotor- and stator-side converters have been connected back to back between the rotor terminals and utility grid via common dc link. The closed-loop vector control system is normally controlled by a set of PID controllers which have an important influence on the system dynamic performance. This paper presents a Multi-objective optimal PID controller design of a doubly-fed induction generator (DFIG) wave energy system connected to the electrical grid using Particle Swarm Optimization (PSO) and Genetic Algorithm (GA). PSO and GA are used to optimize the controller parameters of both the rotor and grid-side converters to improve the transient operation of the DFIG wave energy system under a fault condition as compared with the conventional methods to design PID controllers.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,023
Tête enseignante GPT0,224
Écart entre enseignants0,202 · 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 source (Gemma direct ou Codex distillé), 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

Citations6
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Technology Innovations in Renewable EnergyMême sujetWind Turbine Control SystemsTravaux en français237 207