MétaCan
Menu
Retour à la cohorte
Enregistrement W2981812390 · doi:10.1109/tpel.2019.2948580

Systematic Synthesis and Derivation of Multilevel Converters Using Common Topological Structures With Unified Matrix Models

2019· article· en· W2981812390 sur OpenAlexafffund
Yuzhuo Li, Yunwei Li, Zhongyi Quan

Notice bibliographique

RevueIEEE Transactions on Power Electronics · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMultilevel Inverters and Converters
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada First Research Excellence Fund
Mots-clésNetwork topologyConvertersTopology (electrical circuits)Computer scienceElectronic engineeringVoltagePower (physics)EngineeringElectrical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Multilevel converters (MLCs) have been increasingly adopted in both low-power low-voltage systems and high-power high-voltage applications. In recent years, many new topologies have been proposed, and a few of them have been successfully implemented in industry. While searching for new topologies, synthesis and derivation principles of multilevel topologies are critical for converter design. In this article, a generalized synthesizing approach of multilevel topologies is proposed and analyzed with the considerations of the voltage source, current source, and matrix-type MLCs. Based on the proposed method, the topological relationship among these three types MLCs is revealed through the stage-based common circuit structure. In addition to the graphic-based approach, a mathematical approach is proposed for representing the MLC topologies in this work. The matrix-based model is utilized to unify and verify the derivation and simplification process in a systematic way through many MLC examples in this article. Finally, demonstration examples are presented to show how the proposed principles can be used to derive new topologies covering five-level to nine-level converters. With the ever-increasing research efforts on MLCs, it is hoped that this article can provide a new approach that inspires the development of more interesting and practical MLC topologies for various applications.

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 enseignants0,524
Score d'incertitude au seuil0,720

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 Opus0,013
Tête enseignante GPT0,220
Écart entre enseignants0,207 · 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

Citations13
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power ElectronicsMême sujetMultilevel Inverters and ConvertersTravaux en français237 207