Smart Grid Connection of an Induction Motor Using a Three-Phase Floating H-bridge System as a Series Compensator
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
Electrical grid voltage sags are a significant industrial power quality concern. According to a survey result across the US, voltage sags and short-duration power outages are responsible for 92% of power quality problems faced by industrial customers. These power interruptions often impose severe cost penalties in plant shutdowns for many industries. A series compensation scheme for an induction motor is presented with inherent voltage sag ride through capability. The system utilizes a system of three-phase floating capacitor H-bridge converters located in each phase between the utility grid and a squirrel-cage induction motor. By injecting a series voltage in each phase, the proposed system can manipulate the voltage supplied to a motor, increasing its tolerance of grid voltage sags. The voltage injection scheme has an inherently leading grid power factor under steady state and, hence, generates VARs into the grid, over a wide range of load conditions. The paper develops mathematical analysis of the proposed system to quantify both the voltage sag ride-through and the reactive power generation that results. The analysis shows that voltage sag tolerance of the proposed system is closely related to the motor fundamental power factor. Moreover, it is found that unity power factor operation of the system, as seen from the grid, is possible and that the reactive power generation capability can also be accurately quantified. A 5-hp experimental testbed is used to validate both the grid voltage ride-through capability feature and the reactive power generation characteristics.
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 | 0,001 |
| 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