MétaCan
Menu
Retour à la cohorte
Enregistrement W2287845755 · doi:10.1109/ecce.2015.7310560

Grid harmonics compensation by using high-power PWM converters based on combination approach

2015· article· en· W2287845755 sur OpenAlexaff
Ye Zhang, Yunwei Li

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésHarmonicsPulse-width modulationConvertersElectronic engineeringPWM rectifierHarmonicCompensation (psychology)Computer scienceTotal harmonic distortionHarmonic analysisControl theory (sociology)Power (physics)Active filterEngineeringElectrical engineeringVoltagePhysicsAcoustics

Résumé

récupéré en direct d'OpenAlex

For high-power PWM converters, selective harmonic elimination (SHE) modulation scheme is commonly adopted to reduce the low-order harmonics caused by low switching frequency. However, the SHE scheme itself lacks the capability to actively compensate the grid background harmonics. To enable the active compensation ability of the SHE-modulated PWM converters, a selective harmonic compensation (SHC) scheme and an SHE phase jittering method have been proposed in previous works, and their effectiveness to actively attenuate one grid line current harmonic were verified on a high-power PWM current-source rectifier (CSR) system application. Nevertheless, both of the two methods have difficulty in compensating two harmonics simultaneously, which limits their applications with a low resonant frequency of converter system's filter circuit. This paper extends the previous studies to enable the high-power PWM converters to actively compensate two grid background harmonics. The proposed method can not only further reduce the grid line current distortion, but also makes the application of the active compensation no longer limited by the filter circuit. Experimental results of its application on a high-power PWM CSR system are provided to verify the effectiveness.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,938
Score d'incertitude au seuil0,497

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 Opus0,015
Tête enseignante GPT0,187
Écart entre enseignants0,173 · 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

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrogrid Control and OptimizationTravaux en français237 207