Analysis and Mitigation of Low-Frequency Instabilities in Autonomous Medium-Voltage Converter-Based Microgrids With Dynamic Loads
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
The microgrid concept is gaining widespread acceptance in near-term future power networks. Medium-voltage (MV) microgrids can be subjected to a high penetration level of dynamic loads [e.g., induction motor (IM) loads]. The highly nonlinear IM dynamics that couple active power, reactive power, voltage, and supply frequency dynamics challenge the stability of MV droop-controlled microgrids. However, detailed analysis and, more importantly, stabilization of MV microgrids with IM loads, are not reported in current literature. To fill in this gap, this paper presents integrated modeling, analysis, and stabilization of MV droop-controlled microgrids with IM load. A detailed small-signal model of a typical MV droop-controlled microgrid system, which is based on the IEEE Standard 399, with both dynamic and static loads is developed. The proposed model accounts for the impact of supply frequency dynamics associated with the droop-control scheme to accurately link the microgrid frequency dynamics to the motor dynamics. To stabilize the microgrid system in the presence of IM loads, a 2-degree-of-freedom active damping controller is proposed to stabilize the newly introduced oscillatory dynamics. The proposed supplementary active damping controller does not interfere with the steady-state performance, and yields robust control performance under a wide range of droop parameters and robust damping performance at small- and large-signal disturbances. A theoretical analysis, simulation, and experimental results are presented to show the effectiveness of the proposed control scheme.
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 | 0,001 |
| 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) | 0,000 | 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 découle