MétaCan
Menu
Retour à la cohorte
Enregistrement W2328965126 · doi:10.1109/tec.2014.2312881

Load Sharing Strategy for Autonomous AC Microgrids Based on FPGA Implementation of ADALINE&FLL

2014· article· en· W2328965126 sur OpenAlexafffund
Cristina Guzmán, Alben Cardenas, Kodjo Agbossou

Notice bibliographique

RevueIEEE Transactions on Energy Conversion · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésVoltage droopMicrogridVoltage sourceControl theory (sociology)Controller (irrigation)Voltage controllerEngineeringComputer scienceVoltageElectrical engineeringControl (management)

Résumé

récupéré en direct d'OpenAlex

Paralleled operation of voltage-source inverters (VSIs) is currently achieved by using voltage/frequency droop control techniques which requires the knowledge of the system parameters. Otherwise, centralized control techniques with robust communication among VSIs controllers are also used. This paper presents a new control strategy which allows the load sharing between the power sources of an ac microgrid without centralized controller or any communication among the VSIs; only local measurements of voltage and output current are used. The dispatchable sources (e.g., fuel cells) of the microgrid are operated using voltage control with a direct droop scheme, and the nondispatchables or intermittent ones (e.g., wind turbine generators) are operated using power control with a complementary inverse droop scheme (D-Droop + I-Droop). The number of operating sources can be changed online without any modification needed on the VSI controllers. The proposed VSI controllers are based on the variable frequency adaptive linear neuron with frequency-locked loop for the VSIs system synchronization, voltage/power and signal estimation. Experimental results using field-programmable gate array devices for the implementation of each VSI control in the microgrid test bench demonstrated the validity of the proposition.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,014
Tête enseignante GPT0,236
Écart entre enseignants0,222 · 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 source (Gemma direct ou Codex distillé), 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

Citations35
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Energy ConversionMême sujetMicrogrid Control and OptimizationTravaux en français237 207