A New Fast Formulation of Model Predictive Control For CHB STATCOM
Notice bibliographique
Résumé
Recently, the finite control set model predictive control (FCS-MPC) has obtained a lot of attention for power converter control due to its advantages of high dynamic performance and multi-objective capability. However, it poses a challenge for the current processors directly applying this control to the multilevel inverter in real-time application. Especially for CHB-STATCOM multilevel inverter, there are a huge number of switching combinations and redundancies due to its topology structure. Real-time searching for the optimal switching state among the extremely large candidate pool through exhaustive search algorithm is almost impossible especially when the inverter output voltage levels increases. To end this problem, this paper has presented a new fast FCS-MPC formulation scheme based multilevel CHB-STATCOM. Instead of resorting to existing heuristic optimization algorithms, the FCS-MPC is reformulated mathematically to a matrix problem that can be easily solved on-line. The proposed single step FCS-MPC formulation is validated through simulation based on a seven levels CHB-STATCOM. It has been shown that the proposed single step MPC has the advantages of fast current tracking, minimum CMVphase-shiftedand good voltage balancing capability. Compared with the existing FCS-MPC schemes, the computational burden of the proposed MPC formulation is largely reduced which makes it more suitable for multilevel CHB-STATCOM. Moreover, the proposed FCS-MPC formulation can be easily developed and applied to other multilevel topologies with a large number of voltage levels and redundancy.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».