MétaCan
Menu
Retour à la cohorte
Enregistrement W2142971790 · doi:10.1109/apec.2003.1179245

A new predictive control strategy for power factor correction

2003· article· en· W2142971790 sur OpenAlexaff
Wanfeng Zhang, Feng Guang, Yan‐Fei Liu, Bin Wu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced DC-DC Converters
Établissements canadiensToronto Metropolitan UniversityQueen's University
Organismes subventionnairesnon disponible
Mots-clésPower factorModel predictive controlControl theory (sociology)Duty cycleHarmonicVoltagePower (physics)Computer scienceProcess (computing)Digital signal processingLine (geometry)Range (aeronautics)Current (fluid)Electronic engineeringControl (management)EngineeringMathematicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

A new predictive control strategy for PFC is presented. Its basic idea is that all of the duty cycles required to achieve unity power factor in a half line period are generated in advance by using a predictive algorithm. Based on the average output voltage in the previous half line period, the duty cycles in the current half line period can be calculated by the predictive algorithm, which is derived from the differential equations of boost topology. An optimization process is incorporated with the predictive algorithm to fine tune the parameter of model for the purpose of further reducing the harmonic current. Benefited from the proposed digital control strategy, the switching frequency of the PFC does not directly depend on the processing speed of the DSP. Simulation results show that the proposed strategy works well and unity power factor can be achieved with wide input voltage and load current variation range.

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 enseignants0,994
Score d'incertitude au seuil0,554

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)0,0010,000

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 Opus0,008
Tête enseignante GPT0,215
Écart entre enseignants0,208 · 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

Citations17
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced DC-DC ConvertersTravaux en français237 207