MétaCan
Menu
Retour à la cohorte
Enregistrement W2990165581 · doi:10.1109/ecce.2019.8912240

Carrier-Based MPC for Interleaved 2L-VSIs with Reduced Low-order Zero-Sequence Circulating Current

2019· article· en· W2990165581 sur OpenAlexaff
Changpeng Jiang, Zhongyi Quan, Dehong Zhou, Yunwei Li

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMultilevel Inverters and Converters
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésInterleavingControl theory (sociology)InverterModular designComputer scienceController (irrigation)Model predictive controlSequence (biology)Power (physics)VoltageElectronic engineeringEngineeringControl (management)Electrical engineering

Résumé

récupéré en direct d'OpenAlex

In this paper, a carrier-based model predictive control (CB-MPC) algorithm is proposed to regulate power sharing of paralleled two-level voltage-sourced inverters (2L-VSIs). Carriers are adopted in the proposed controller to enable interleaving. The proposed controller can be implemented in either distributed or centralized manner, depending on the application circumstances. The distributed CB-MPC is more suitable for large modular parallel inverter systems where communication lines are prohibited. On the other hand, the low-order zero-sequence circulating current (ZSCC) can be fully eliminated with proposed centralized CB-MPC, when communications become available among a small number of paralleled inverter modules. With either scheme, multiple goals can be achieved including fast dynamic response, carrier interleaving, fixed switching frequency, ZSCC elimination, and reduced computational burden; which makes the proposed method a practical MPC solution for various industrial applications. Effectiveness of the proposed CB-MPC has been verified 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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,022
Tête enseignante GPT0,240
Écart entre enseignants0,218 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMultilevel Inverters and ConvertersTravaux en français237 207