MétaCan
Menu
Retour à la cohorte
Enregistrement W2625911780 · doi:10.1109/tia.2017.2716363

Disturbance Estimator-Based Predictive Current Controller for Single-Phase Interconnected PV Systems

2017· article· en· W2625911780 sur OpenAlexaff
H. Mohomad, S. A. Saleh, Liuchen Chang

Notice bibliographique

RevueIEEE Transactions on Industry Applications · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Controller (irrigation)Photovoltaic systemPower electronicsSensitivity (control systems)EstimatorGridEngineeringOpen-loop controllerComputer scienceControl engineeringElectronic engineeringVoltageElectrical engineeringMathematics

Résumé

récupéré en direct d'OpenAlex

A digital predictive current controller for a single-phase grid-side power electronics converter employed in photovoltaic (PV) systems is presented in this paper. A disturbance estimator is employed with the controller in order to minimize its sensitivity to any parameter variation, as well as to reject grid-side disturbances. The design of the controller and the estimator are carried out using the pole placement method. The performance of the developed current controller was tested and verified experimentally using a 5.4-kW grid-connected PV system. These experiments are carried out for different levels of power delivered to the grid under different variation in the system parameters. In addition, other controllers used for interconnected PV systems are also tested to highlight the advantages of the developed current controller. The testing results illustrate the capability of the developed current controller to provide accurate, fast, and robust responses with negligible sensitivity to parameters variations and disturbances on the grid side.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0010,000

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 Opus0,025
Tête enseignante GPT0,280
Écart entre enseignants0,254 · 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'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

Citations46
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industry ApplicationsMême sujetMicrogrid Control and OptimizationTravaux en français237 207