MétaCan
Menu
Retour à la cohorte
Enregistrement W2329214330 · doi:10.1109/intlec.2014.6972190

Frequency-adaptive current controller for grid-connected renewable energy systems

2014· article· en· W2329214330 sur OpenAlexaff
Matthew Mascioli, Majid Pahlevani, Praveen Jain

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésController (irrigation)Phase-locked loopControl theory (sociology)Open-loop controllerAutomatic frequency controlComputer scienceRenewable energyBand-stop filterSynchronization (alternating current)Frequency gridGridElectronic engineeringEngineeringFilter (signal processing)Control engineeringLow-pass filterElectrical engineeringVoltageTopology (electrical circuits)Telecommunications

Résumé

récupéré en direct d'OpenAlex

An adaptive proportional-resonant (APR) controller for current controller of grid-connected DC/AC systems for renewable energy applications is presented. The increase in renewable energy on the electricity grid poses stability risks to the network as the frequency and amplitude are not as tightly regulated as in previous years. The proposed APR controller is able to maintain high quality current at frequencies well beyond the IEEE1547 standard. The controller is constructed in two parts, a phase-locked loop (PLL) for synchronization and identification of the grid frequency, and a current controller based on the form of the well-known PR controller. The current controller is able to dynamically adjust to the shifting frequency of grid which ensures high quality, unity power-factor across the 59.3-60.5Hz spectrum set by IEEE1547, and beyond. The PLL implemented is an amplitude-decoupled adaptive notch filter (AANF) which provides a very fast, an accurate solution for frequency estimation as well as reference signal generation. The AANF and the APR controller are implemented digitally on an FPGA platform and verified experimentally on a 1kW DC/AC prototype.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,007
Tête enseignante GPT0,179
Écart entre enseignants0,171 · 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'étudeSans objet
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

Citations9
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrogrid Control and OptimizationTravaux en français237 207