Detailed Device-Level Electrothermal Modeling of the Proactive Hybrid HVDC Breaker for Real-Time Hardware-in-the-Loop Simulation of DC Grids
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
This paper proposes a series of proactive hybrid high-voltage direct-current (HVDC) breaker (HHB) electromagnetic transient models that can be implemented in hardware-in-the-loop (HIL) emulation for real-time execution on the field-programmable gate array (FPGA). To achieve high fidelity, an HHB model should have the same configuration as the real one, and three different models for an insulated-gate bipolar transistor (IGBT), i.e., a two-state switch model, a curve-fitting model, and an improved nonlinear behavioral model, are proposed to satisfy different accuracy and simulation speed requirements. Since designing an HHB with hundreds of IGBTs in a massive array would lead to an extremely heavy computational burden as well as to a high FPGA resource utilization, circuit partitioning is applied to each model, which enables decomposition into a number of physically independent subcircuits with smaller matrix dimension to exploit parallel implementation. Meanwhile, low hardware resource demand is achieved by using one of the subcircuits to represent the rest since they are identical. As the IGBTs produce a significant amount of heat, which in turn affects their performance, an electrothermal network is added as part of the model to provide specific information about the device's operation status including the junction temperature. The models are applied to a three-terminal HVDC system, where line faults are simulated to activate HHB protection sequence. Comparison of device-level and system-level performance from HIL emulation with those of commercial offline simulation tools validates the accuracy of the proposed models as well as the efficacy of the solution approach.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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