MétaCan
Menu
Retour à la cohorte
Enregistrement W2900051974 · doi:10.1109/tpwrs.2018.2879496

Analysis and Enhancement of the Artificial Bus Method for Successful Low-Voltage Ride-Through and Resynchronization

2018· article· en· W2900051974 sur OpenAlexaff
Mohammadreza F. M. Arani, Yasser Abdel‐Rady I. Mohamed

Notice bibliographique

RevueIEEE Transactions on Power Systems · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of AlbertaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésConvertersAdmittanceGridControl theory (sociology)Fault (geology)Computer scienceStability (learning theory)Synchronization (alternating current)Voltage sourcePower (physics)VoltageMicrogridEngineeringElectronic engineeringTopology (electrical circuits)Control (management)Electrical engineeringMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Designing an optimal approach for effectively and efficiently connecting voltage-source converters (VSCs) to very weak grids has been gaining increased attention in the research. Recently, the artificial bus control method has been proposed as a successful solution to improve the stability of grid-connected VSCs and inject the maximum nominal power during very weak grid conditions. However, like other solutions available in the literature, its performance under grid faults has not yet been thoroughly investigated. This paper is devoted to analyzing and improving the performance of the artificial bus method under faults. Analyses are used not only to show that the loss of synchronization threatens the successful low-voltage ride-through of the converter but also to find a solution to improve the converter performance with a minimum change in the control structure and parameters while satisfying required standards. When a fault is sustained, disconnection is allowed, but a smooth reconnection is desired. This paper derives the internal admittance of a VSC with the artificial bus method to show how this control approach improves resynchronization in both weak and strong grids. Using a detailed model, participation factor analyses are employed to explain the impact of the artificial bus method in different situations, and time-domain simulations are used to verify the analytical results.

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 enseignants0,980
Score d'incertitude au seuil0,355

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 Opus0,007
Tête enseignante GPT0,232
Écart entre enseignants0,226 · 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

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power SystemsMême sujetMicrogrid Control and OptimizationTravaux en français237 207