MétaCan
Menu
Retour à la cohorte
Enregistrement W2801661682 · doi:10.1109/tie.2018.2835371

Asymmetrical Ride-Through and Grid Support in Converter-Interfaced DG Units Under Unbalanced Conditions

2018· article· en· W2801661682 sur OpenAlexaff
Masoud M. Shabestary, Yasser Abdel‐Rady I. Mohamed

Notice bibliographique

RevueIEEE Transactions on Industrial Electronics · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésVoltageGridScheme (mathematics)EngineeringVoltage regulationDistributed generationControl theory (sociology)Electronic engineeringComputer scienceReliability engineeringElectrical engineeringRenewable energyMathematicsControl (management)

Résumé

récupéré en direct d'OpenAlex

Increasing penetration level of distributed generation (DG) units necessitates their participation in supporting power system stability and providing ancillary services. This paper highlights the necessity of supporting the connection voltage by these units under short-term unbalanced voltage sags. To address this, a new regulation scheme, named asymmetrical ride-through (ART), is proposed in this paper. The proposed scheme enforces DG units to properly regulate the voltage within the dynamic limits for three important voltage parameters: positive sequence, negative sequence, and phase voltage magnitude. The main advantages of applying the ART scheme are avoiding unnecessary outages due to temporary unbalanced faults and enhancing the grid stability. As the second contribution, an advanced dynamic voltage support method is also proposed to accurately address the specifications determined in the ART scheme. The successful results of the ART regulation scheme and the proposed dynamic voltage support method are verified using simulation and experimental test cases.

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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,024
Tête enseignante GPT0,236
Écart entre enseignants0,212 · 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

Citations66
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industrial ElectronicsMême sujetMicrogrid Control and OptimizationTravaux en français237 207