MétaCan
Menu
Retour à la cohorte
Enregistrement W2969715059 · doi:10.1109/pedg.2019.8807734

MPPT for Small Wind Turbines: Zero-Oscillation Sensorless Strategy

2019· article· en· W2969715059 sur OpenAlexaff
Tomás Syskakis, Martin Ordonez

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnergy
ThématiquePhotovoltaic System Optimization Techniques
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMaximum power point trackingAnemometerWind powerTurbineComputer scienceMaximum power principleEmulationControl theory (sociology)Power optimizerWind speedRenewable energyControl engineeringEngineeringPhotovoltaic systemVoltageElectrical engineeringControl (management)

Résumé

récupéré en direct d'OpenAlex

To increase the adoption of micro- and pico-grid systems, easy to use and commercially viable distributed generation solutions are required. The proliferation of distributed generation systems has accelerated the research and implementation of small wind turbines (SWTs) as viable renewable energy solutions. Sophisticated Maximum Power Point Tracking (MPPT) algorithms, used for large wind turbine installations, are not implemented with SWTs as they require turbine parameterization and costly sensors such as anemometers. Due to financial considerations, traditional SWTs implement either no MPPT or very simple algorithms such an Incremental Conductance (InCond) or Perturb and Observe (P&O). In this work, a novel and computationally efficient SWT MPPT algorithm, derived from the InCond method, is proposed. A control-oriented model of the SWT system is also presented which facilitates fast simulations using conventional power electronics software. The proposed MPPT algorithm offers 3 key advantages: 1) elimination of algorithm confusion due to change in wind velocity, 2) fast and accurate tracking of the maximum power point (MPP) and 3) improved steady state efficiency. The behavior of the proposed algorithm is presented and corroborated in simulations and experimental validation, using a custom-built Turbine Emulation Platform (TEP), is also included.

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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,363
Score d'incertitude au seuil0,617

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)0,0010,000

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 Opus0,025
Tête enseignante GPT0,250
Écart entre enseignants0,225 · 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
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

Citations11
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPhotovoltaic System Optimization TechniquesTravaux en français237 207