MétaCan
Menu
Retour à la cohorte
Enregistrement W2537738756 · doi:10.1109/precede.2015.7395594

Predictive control of four-leg power converters

2015· article· en· W2537738756 sur OpenAlexaff
Venkata Yaramasu, Marco Rivera, Bin Wu, José Rodríguez

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMultilevel Inverters and Converters
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésConvertersModel predictive controlPower (physics)Control theory (sociology)Power controlControl (management)Computer sciencePhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In this paper, finite control-set model predictive control of two-level and three-level four-leg voltage source converters (VSCs) is presented. The predictive current control (PCC) and predictive voltage control (PVC) schemes are presented considering grid-connected and standalone distributed generation applications respectively. The discrete-time model of load currents, load voltages, DC-link capacitors voltage and VSC terminal voltages is formulated in terms of four-leg converter switching states. A cost function is defined with the PCC scheme to minimize the error between reference and predicted load currents. Similarly, in PVC scheme, the cost function deals with the minimization of error between reference and predicted load voltages. The balancing of split DC-link capacitors voltage is considered with the three-level four-leg VSCs. The optimal switching states which minimize the cost function are chosen and applied to the four-leg VSC directly without involving linear regulators and modulation stage. The proposed PCC and PVC strategies are verified through simulation results considering single-/three-phase, balanced/unbalanced and linear/nonlinear loads.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil0,446

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 Opus0,018
Tête enseignante GPT0,193
Écart entre enseignants0,175 · 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

Citations15
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMultilevel Inverters and ConvertersTravaux en français237 207