High-Frequency Modeling of the Long-Cable-Fed Induction Motor Drive System Using TLM Approach for Predicting Overvoltage Transients
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
Induction motor drive systems fed with cables are widely used in many industrial applications. Accurate prediction of motor terminal overvoltage, caused by impedance mismatch between the long cable and the motor, plays an important role for motor dielectric insulation and optimal design of dv/dt filters. In this paper, a novel modeling methodology for the investigation of long-cable-fed induction motor drive overvoltage is proposed. An improved high-frequency motor equivalent circuit model is developed to represent the motor high-frequency behavior for the time- and frequency-domain analyses. The motor equivalent circuit parameters for the differential mode (DM) and common mode (CM) are extracted based on the measurements. A high-frequency cable model based on improved high-order multiple- <formula formulatype="inline" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"><tex Notation="TeX">$\pi$</tex></formula> sections is proposed. The cable model parameters are identified from the DM impedances in open circuit (OC) and short circuit (SC). To obtain a computationally efficient solution that could potentially be integrated with the motor drive controller, the system equations are discretized and solved using transmission-line modeling (TLM) approach. The proposed methodology is verified on an experimental 2.2-kW ABB motor drive benchmark system. The motor overvoltage transients predicted by the proposed model is in excellent agreement with the experimental results and represents a significant improvement compared with the conventional models.
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 | 0,001 |
| 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