MétaCan
Menu
Retour à la cohorte
Enregistrement W2982015771 · doi:10.1109/tie.2019.2947805

Simultaneous DC Current Balance and CMV Reduction for Parallel CSC System With Interleaved Carrier-Based SPWM

2019· article· en· W2982015771 sur OpenAlexafffund
Li Ding, Yunwei Li

Notice bibliographique

RevueIEEE Transactions on Industrial Electronics · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMultilevel Inverters and Converters
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta Innovates - Technology Futures
Mots-clésPulse-width modulationElectronic engineeringComputer scienceInterleavingScalabilityModulation (music)Direct currentVoltageHarmonic analysisSpace vector modulationControl theory (sociology)EngineeringElectrical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Parallel current source converter (CSC) has attracted increasing attention due to the potential advantages to increase the system power capacity, reliability, and output quality. Compared with multilevel space vector modulation (SVM) and selective harmonic elimination, carrier-based sinusoidal pulsewidth modulation (SPWM) enjoys inherent scalability and modularity, which is very easy to be implemented in N-CSC parallel system by interleaving the carriers. The dc current balance and common-mode voltage (CMV) are the main concerns in parallel CSC system and most of the research was focused on SVM. However, dc current balance and CMV reduction methods with interleaved SPWM were not well addressed. In this article, we mainly investigate three different interleaved SPWM methods, namely, bi-tri logic SPWM, six-step direct PWM, and direct duty-ratio PWM (DDPWM). The comparison results show that the proposed interleaved DDPWM can balance the dc current and suppress CMV simultaneously, which can improve the output quality and reduce load-side CMV stress effectively. The validity and effectiveness of the proposed methods are verified on a parallel CSC system with shared dc-link by simulation and experimental results.

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 enseignants0,868
Score d'incertitude au seuil0,992

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 recherche0,0000,001
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 Opus0,016
Tête enseignante GPT0,215
Écart entre enseignants0,199 · 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

Citations24
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

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