MétaCan
Menu
Retour à la cohorte
Enregistrement W2906354022 · doi:10.1049/iet-gtd.2018.5701

Non‐linear large‐signal stabiliser design for DC micro‐grids

2018· article· en· W2906354022 sur OpenAlexaff
Seyed Mohammad Azimi, Mohsen Hamzeh, Yasser Abdel‐Rady I. Mohamed

Notice bibliographique

RevueIET Generation Transmission & Distribution · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésStabiliserControl reconfigurationDirect currentComputer scienceControl theory (sociology)SIGNAL (programming language)PhasorSmall-signal modelCapacitorElectronic engineeringVoltageElectric power systemPower (physics)EngineeringElectrical engineeringControl (management)Materials sciencePhysicsEmbedded systemNanotechnology

Résumé

récupéré en direct d'OpenAlex

This study proposes a non‐linear stabiliser to suppress the current/voltage fluctuations of DC micro‐grids (DC‐MGs) caused by large transients. These transients typically occur following a reconfiguration of DC‐MGs, such as disconnection/reconnection of electrical sources, or rearrangement in the structure of DC‐MGs. In the DC‐MG under consideration, a number of the DC sources are implemented in the form of hybrid power conversion systems (HPCSs) consisting of a parallel combination of a super‐capacitor (SC), a fuel cell and a photovoltaic (PV) system. Due to the fast dynamics of the SC units, the stabilisation function of the DC‐MG during transients is performed by these units using a supplementary signal provided by the stabiliser. The proposed stabiliser is intended to operate in a decentralised manner. To this end, a novel Lyapunov function is proposed to adjust the stabiliser parameters based on local data relevant to each HPCS. The control scheme employed is based on a simple structure facilitating the implementation of the proposed stabiliser. Finally, time‐domain simulations are carried out demonstrating the effectiveness of the proposed control framework in a multisource DC‐MG.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,948
Score d'incertitude au seuil0,861

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 Opus0,015
Tête enseignante GPT0,228
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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET Generation Transmission & DistributionMême sujetMicrogrid Control and OptimizationTravaux en français237 207