MétaCan
Menu
Retour à la cohorte
Enregistrement W2104360837 · doi:10.1109/pccon.2007.372966

A Three-Phase Frequency Adaptive Digital Phase Locked Loop for Measurement, Control, and Protection in Power Systems

2007· article· en· W2104360837 sur OpenAlexaff
Hamid Timorabadi, F.P. Dawson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPhase-locked loopPLL multibitHarmonicsPhase detectorControl theory (sociology)Electronic engineeringAmplitudeNoise (video)Phase (matter)Phase frequency detectorDetectorSynchronization (alternating current)Power (physics)Computer sciencePhase noiseEngineeringPhysicsVoltageElectrical engineeringTopology (electrical circuits)Charge pumpOptics

Résumé

récupéré en direct d'OpenAlex

A three-phase phase locked loop (3-Phi PLL) for control and protection in power system applications is presented. The 3-Phi PLL is a frequency adaptive digital system that consists of a positive sequence detector and a single-phase predictive phase locked loop (PPLL). The 3-Phi PLL is fully adaptive in extracting frequency, amplitude, and phase angle in time variant systems. The modeling and mathematical properties of the positive sequence detector and the PPLL are presented. The 3-Phi PLL can accommodate a wide range of frequency and amplitude variations in the presence of noise and disturbances. The 3-Phi PLL is implemented on a field programmable gate array (FPGA). A number of analog-to-digital converters (ADCs) have been evaluated for this application. A successive approximation type ADC offers the best tradeoff between resolution and sampling frequency. The synchronization information is extracted within two cycles of the input signal period. The operation of the 3-Phi is verified for balanced and unbalanced loads in the presence of noise, harmonics, and DC-offsets over a frequency range of a fraction of Hz to a few kHz and over an amplitude range of about 3% to 120% of the nominal voltage.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,974
Score d'incertitude au seuil0,514

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 Opus0,020
Tête enseignante GPT0,226
Écart entre enseignants0,207 · 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

Citations8
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrogrid Control and OptimizationTravaux en français237 207