Modular Active Power-Line Conditioner
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
Active power-line filtering is conventionally performed by injecting equal-but-opposite of the distortion into the line. The power converter used for this purpose is rated based on the magnitude of the distortion current and operated at the switching frequency dictated by the desired filter bandwidth. Fast switching at high power, even if technically possible, causes high switching losses. In this paper, a new modular approach to active harmonic filtering is proposed. The method utilizes two linear adaptive neurons (ADALINEs) to process the signals obtained from the line. The first ADALINE (the current ADALINE) extracts the harmonic components of the distorted line current signal and the second ADALINE (the voltage ADALINE) estimates the fundamental component of the line voltage signal. The outputs of both ADALINEs are used to construct the modulating signals of a number of current-source inverter (CSI) modules, each dedicated to eliminate a specific harmonic. The power rating of the modules will decrease and their switching frequency will increase as the order of the harmonic to be filtered is increased. The overall switching losses are minimized due to the selected harmonic elimination and balanced "power rating"-"switching frequency" product. Power losses are also reduced by adjusting the Idc, in each CSI module according to the present magnitudes of the individual harmonics to be filtered. Speed and accuracy of ADALINE; self-synchronizing harmonic tracking; optimum Idc value and minimal converter losses; high reliability, flexibility, and speed; and low dc energy requirement of the CSI result in superb performance of the proposed active conditioner.
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) | 0,001 | 0,001 |
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