MétaCan
Menu
Retour à la cohorte
Enregistrement W2436096724 · doi:10.1371/journal.pone.0157057

Improved Active Harmonic Current Elimination Based on Voltage Detection

2016· article· en· W2436096724 sur OpenAlexaff
Tianyuan Tan, Shuan Dong, Yingwei Huang, Jian Liu, Jian Le, Kaipei Liu

Notice bibliographique

RevuePLoS ONE · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Natural Science Foundation of ChinaNational Science Foundation
Mots-clésHarmonicsControl theory (sociology)InterfacingHarmonicConvertersComputer scienceDecoupling (probability)VoltageHarmonic analysisAC powerElectronic engineeringEngineeringControl engineeringPhysicsElectrical engineeringControl (management)

Résumé

récupéré en direct d'OpenAlex

With the increasing penetration of power electronic equipment in modern residential distribution systems, harmonics mitigation through the distributed generation (DG) interfacing converters has received significant attention. Among recently proposed methods, the so-called active resonance damper (ARD) and harmonic voltage compensator (HVC) based on voltage detection can effectively reduce the harmonic distortions in selected areas of distribution systems. However, it is found out that when traditional ARD algorithm is used to eliminate harmonic current injected by non-linear loads, its performance is constrained by stability problems and can at most eliminate half of the load harmonic currents. Thus, inspired by the duality between ARD and HVC, this paper presents a novel improved resistive active power filter (R-APF) algorithm based on integral-decoupling control. The design guideline for its parameters is then investigated through carefully analyzing the closed-loop poles' trajectory. Computer studies demonstrate that the proposed algorithm can effectively mitigate the load harmonic currents and its performance is much better than traditional ARD based on proportional control.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,573
Score d'incertitude au seuil0,293

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 Opus0,014
Tête enseignante GPT0,183
Écart entre enseignants0,169 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetMicrogrid Control and OptimizationTravaux en français237 207