MétaCan
Menu
Retour à la cohorte
Enregistrement W2767628838 · doi:10.1109/ias.2017.8101796

Frequency adaptive pre filtering stage for differentiation based control of shunt active filter under polluted grid conditions

2017· article· en· W2767628838 sur OpenAlexaff
Sanchit Mishra, Ikhlaq Hussain, Bhim Singh, Ambrish Chandra, Kamal Al‐Haddad

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésTotal harmonic distortionControl theory (sociology)Active filterIntegratorHarmonicsComputer scienceAdaptive filterAC powerElectronic engineeringVoltageDistortion (music)Filter (signal processing)Electronic filterWaveformEngineeringBandwidth (computing)Electrical engineeringTelecommunicationsControl (management)Artificial intelligenceAmplifier

Résumé

récupéré en direct d'OpenAlex

A differentiation based control method for a shunt active power filter is used in this paper for functioning in the presence of grid voltage distortion and imbalance. To enable the fast and accurate estimation of the variables in the presence of unbalancing or distortion in the grid voltages, a pre-filtering scheme is considered based on the dual second order generalized integrator (DSOGI) approach. The signal recomposition performed by the pre-filter isolates the harmonics from the voltage and current waveforms, and the differentiation FLL (dFLL) is able to estimate the frequency of the waveforms which is used as a feedback for the pre-filter, thus making the system frequency adaptive. The control algorithm is validated with both simulation studies and a hardware prototype of a active power filter carrying out current compensation robustly, demonstrating the speed and accuracy of the system under grid voltage distortions and maintaining less than 5% supply current total harmonic distortion THD as dictated by IEEE Std. 519-2014.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,963
Score d'incertitude au seuil0,548

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 GPT0,230
Écart entre enseignants0,216 · 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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrogrid Control and OptimizationTravaux en français237 207