Hybrid Variable-Structure Control With Evolutionary Optimum-Tuning Algorithm for Fast Grid-Voltage Regulation Using Inverter-Based Distributed Generation
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
Fast grid-voltage regulation is a necessary requirement in a power distribution system, particularly in feeders serving voltage-sensitive loads. Severe and random voltage disturbances might be initiated by time-varying loads, nondispatchable generation, voltage transients associated with parallel connected loads, and voltage transients caused by capacitor switching. These voltage disturbances are stochastic in nature, with durations vary from a fraction of a cycle to few cycles. To ensure perfect regulation of the voltage at the point of common coupling (PCC) and provide means for rejecting voltage disturbances, the voltage control loop should offer a high disturbance rejection performance. This paper presents a newly designed grid-voltage control scheme, for the distributed generation interface, based on a hybrid linear with variable-structure control voltage controller. The proposed voltage controller can embed a wide band of frequency modes through an equivalent internal model. Subsequently, wide range of voltage perturbations, including capacitor-switching voltage disturbances, can be rejected. To optimally tune the proposed nonlinear voltage controller, the tuning problem is formulated as a constrained optimization problem, and solved via an evolutionary search algorithm based on the particle-swarm-optimization (PSO) technique. Therefore, a simple and structured tuning methodology can be obtained. To provide accurate and robust tracking of the generated reference current trajectory, a newly designed robust deadbeat current control algorithm is adopted. Theoretical analysis and comparative evaluation tests are presented to demonstrate 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 | 0,000 |
| 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) | 0,000 | 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