MétaCan
Menu
Retour à la cohorte
Enregistrement W2772992705 · doi:10.1109/iecon.2017.8217125

Comparative study between different SVPWM algorithms for NPC inverters in terms of common mode voltage reduction

2017· article· en· W2772992705 sur OpenAlexaff
Kawther Ezzeddine, Mahmoud Hamouda, Kamal Al‐Haddad

Notice bibliographique

RevueIECON 2017 - 43rd Annual Conference of the IEEE Industrial Electronics Society · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueMultilevel Inverters and Converters
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésPhotovoltaic systemCommon-mode signalSpace vector modulationTransformerInverterCapacitorVoltageComputer scienceGridTopology (electrical circuits)Electronic engineeringModulation (music)Electrical engineeringEngineeringMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

Transformerless photovoltaic (PV) inverters offer several advantages in terms of weight and cost reduction as well as a higher efficiency compared to the topologies with transformers. However, the removal of transformers results in the establishment of a direct connection between the PV panels and the electrical grid which, consequently, leads to the generation of a leakage current. This current is flowing from the ground to the PV array through the stray capacitors causing undesirable distortions in the grid's output current in addition to several losses in the power conversion system. The high frequency variation of the common mode voltage (CMV) represents the main cause of this current. To overcome this issue, three innovative Space Vector Modulation (SVPWM) techniques were recently developed for NPC inverters with the aim to stabilize the CMV. These techniques are namely Long Medium Zero Vectors Modulation LMZV, Three Medium Vectors Modulation 3MV, and, Two Medium One Zero Vectors Modulation 2MV1Z. This paper evaluates the performance of the aforementioned techniques through a comparative analysis based on numerical simulations carried out on a three-phase three-level NPC inverter.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,728
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,127
Tête enseignante GPT0,328
Écart entre enseignants0,201 · 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.

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

Citations10
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIECON 2017 - 43rd Annual Conference of the IEEE Industrial Electronics SocietyMême sujetMultilevel Inverters and ConvertersTravaux en français237 207