MétaCan
Menu
Retour à la cohorte
Enregistrement W2906685227 · doi:10.1109/iecon.2018.8591657

PV Configuration and Maximization Applied to Parallel Inverters Using Updated Droop Control

2018· article· en· W2906685227 sur OpenAlexaff
Gildas Tapsoba, Abdelhamid Hamadi, Auguste Ndtoungou, S. Rahmani, Kamal Al‐Haddad

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésVoltage droopMaximum power point trackingPhotovoltaic systemInverterHarmonicsAC powerVoltagePower (physics)Control theory (sociology)Computer scienceEngineeringPower factorElectronic engineeringElectrical engineeringVoltage sourceControl (management)Physics

Résumé

récupéré en direct d'OpenAlex

This paper presents three approaches, the first to upgrade the droop control to improve the performances when paralleling five inverters connected to the PV solar. The second compares the two approach connections of PV solar using two methods, the series parallel (SP) and the Total Cross Tied (TCT). The third proposes the MPPT algorithm for power maximization of the PV solar during shadow problem. The proposed droop control generates references for nonlinear control to regulate the state variables of the inverters, their output voltages to reduce current circulation between the inverters, the dc bus voltage and the current harmonics. The master inverter regulates the total reactive power in the source side in order to obtain unity power factor. The others inverters (slaves) regulate their respective output voltages to track the master inverter voltage. The control approach proposed is dedicated for equal or different power ratings of any number of parallel inverters with different PV solar power operation. For far inverters station distance, wireless communication may be used from the master to other slave inverters. Many tests are validated by varying the PV power and the load of the proposed control approach.

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 enseignants0,971
Score d'incertitude au seuil0,424

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 GPT0,187
Écart entre enseignants0,180 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrogrid Control and OptimizationTravaux en français237 207