MétaCan
Menu
Retour à la cohorte
Enregistrement W2903838930 · doi:10.1109/tia.2018.2885450

Testing a Unit Commitment Based Controller for Grid-Connected PMG-Based WECSs With Generator-Charged Battery Units

2018· article· en· W2903838930 sur OpenAlexafffund
S. A. Saleh

Notice bibliographique

RevueIEEE Transactions on Industry Applications · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPower system simulationGenerator (circuit theory)GridController (irrigation)Electrical engineeringUnit (ring theory)Battery (electricity)Computer scienceControl theory (sociology)EngineeringPhysicsElectric power systemControl (management)MathematicsPower (physics)

Résumé

récupéré en direct d'OpenAlex

This paper presents the performance of a controller for adjusting the power generated by the permanent magnet generator (PMG) in a wind energy conversion system (WECS), which has generated-charged battery units (BUs). The proposed controller is based on the Lagrangian relaxation unit commitment (LRUC) method to determine a command value for the PMG electromagnetic torque (Te*) at each wind speed. The determined value of Te* is set to calculate command values for q-axis currents that are required by the controllers operating the generator-side and charging power electronic converters (PECs). The performance of the LRUC-based controller is experimentally evaluated for a grid connected 7.5-kW PMG-based WECSs with 4.44-kW BUs, when operated under various wind speeds and/or charging and discharging modes of the BUs. Performance results show that the proposed controller is capable of initiating fast and accurate responses to adjust the power generation of the PMG to meet the demands of the generator-side and charging PECs for different wind speeds, and/or charging and discharging of the BUs. These performance features are found to have minor sensitivity to the changes in wind speed, and/or levels of charging the BUs.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,031
Tête enseignante GPT0,228
Écart entre enseignants0,197 · 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

Citations26
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industry ApplicationsMême sujetMicrogrid Control and OptimizationTravaux en français237 207