Behavioral device-level modeling of modular multilevel converters in real time for variable-speed drive applications
Notice bibliographique
Résumé
This paper presents the real-time hardware-in-the-loop (HIL) emulation of an induction machine (IM) driven by a modular multilevel converter (MMC) on the field-programmable gate array (FPGA). The insulated gate bipolar transistors and antiparallel diodes of the MMC are modeled with nonlinear static and dynamic characteristics to provide not only accurate system-level performance of the converter but also insight into the power losses under different operation conditions. Due to the large network size of the MMC, its solution in conjunction with the IM fifth-order model proved to be a significant computational challenge. Therefore, circuit partitioning based on the transmission line modeling is proposed, which introduced an interface to the electrical network for the IM as well as split the multiloop MMC into several smaller subcircuits in terms of matrix size, and consequently enabled a fully parallel implementation on the FPGA. Control strategies for the MMC and IM are also emulated in hardware, and due to the large latency difference between subcircuits and controllers, the overall system hardware design is divided into several layers, each having an independent time step ranging from 500 ns to 4 μs so as to attain the goal of real-time execution. A comparison of transient and steady-state results from the HIL emulation and offline simulation tools shows high accuracy of the modeling approach as well as the efficacy of proposed multiple time steps in achieving real time.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».