MétaCan
Menu
Retour à la cohorte
Enregistrement W2907323431 · doi:10.1109/tsg.2019.2890817

Investigation and Assessment of Stabilization Solutions for DC Microgrid With Dynamic Loads

2019· article· en· W2907323431 sur OpenAlexafffund
Ahmed M. I. Mohamad, Yasser Abdel‐Rady I. Mohamed

Notice bibliographique

RevueIEEE Transactions on Smart Grid · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCanada First Research Excellence Fund
Mots-clésMicrogridIntegratorVoltage droopControl theory (sociology)ConvertersElectric power systemEngineeringNonlinear systemDynamic simulationControl engineeringPower (physics)Computer scienceVoltageVoltage regulatorSimulationControl (management)Electrical engineering

Résumé

récupéré en direct d'OpenAlex

Several studies have been conducted to investigate the interaction dynamics of direct current (dc) microgrids supplying tightly regulated converters, which behave as constant power loads (CPLs). However, the presence of loads with open-loop control or of small closed-loop bandwidth (dynamic loads) in dc microgrids have not been studied to date. To fill this gap, this paper presents a comprehensive stability assessment of a dc microgrid with a high penetration level of dynamic loads. Unlike CPLs, it has been found that dynamic loads would dramatically affect the overall system stability margin at low-power demand than at rated power condition. Therefore, three solutions are proposed to mitigate the stability problems considering different operating and installation scenarios that a system integrator/designer may encounter. Moreover, the impact of system uncertainties, such as dc feeder length, bus capacitance, and the droop controllers, on system stability with/without the stability enhancement methods, is thoroughly addressed. Time-domain simulation studies based on nonlinear models are conducted to validate the analytical results. Furthermore, hardware-in-loop real-time simulation studies demonstrate the feasibility of the hardware implementation.

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)0,001
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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,010
Tête enseignante GPT0,211
Écart entre enseignants0,201 · 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

Citations40
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Smart GridMême sujetMicrogrid Control and OptimizationTravaux en français237 207