MétaCan
Menu
Retour à la cohorte
Enregistrement W2898247949 · doi:10.1049/joe.2018.8789

FPGA implementation of impedance‐compensated phase‐locked loop for HVDC converters

2018· article· en· W2898247949 sur OpenAlexaff
Yi Yue, Ajinai Ajinai, A.M. Gole

Notice bibliographique

RevueThe Journal of Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueReal-time simulation and control systems
Établissements canadiensTeshmont (Canada)University of Manitoba
Organismes subventionnairesnon disponible
Mots-clésPhase-locked loopPLL multibitHarmonicsElectronic engineeringComputer scienceConvertersField-programmable gate arrayElectrical impedanceVoltageEngineeringElectrical engineeringJitterComputer hardware

Résumé

récupéré en direct d'OpenAlex

The phase‐locked loop (PLL) plays a key role in HVDC systems. Recently, a new type of PLL called the impedance‐compensated phase‐locked loop (IC‐PLL) was introduced to compensate for the voltage drop across the AC network's Thevenin impedance, making the phase locking more robust against transients and harmonics. The IC‐PLL has an improved dynamic response as compared with the traditional approaches. However, earlier studies on the IC‐PLL are mainly based on off‐line simulations. In this study, an actual IC‐PLL is constructed in hardware and its performance is investigated by connecting it to a real‐time model of a line‐commutated converter‐based HVDC system on a real‐time digital simulator. The proposed IC‐PLL is constructed using a field‐programmable gate array platform. Paralleled and pipelined structures are implemented on the FPGA to achieve low latency and high speed. The performance of the IC‐PLL is tested by exposing it to different type of system disturbances such as sudden step change in power, voltage magnitude change and voltage distortion. Results are compared with the traditional trans‐vector PLL. The results show the performance of the IC‐PLL is superior.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0040,000

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 Opus0,012
Tête enseignante GPT0,281
Écart entre enseignants0,269 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of EngineeringMême sujetReal-time simulation and control systemsTravaux en français237 207