MétaCan
Menu
Retour à la cohorte
Enregistrement W2998264764 · doi:10.1109/tpel.2019.2961077

Hybrid Model Predictive Control of ANPC Converters With Decoupled Low-Frequency and High-Frequency Cells

2019· article· en· W2998264764 sur OpenAlexafffund
Dehong Zhou, Zhongyi Quan, Yunwei Li

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 Canada
Mots-clésModel predictive controlControl theory (sociology)Duty cycleConvertersCapacitorAutomatic frequency controlVoltageWeightingComputer scienceFundamental frequencyEngineeringElectronic engineeringControl (management)Electrical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Active-neutral-point-clamped (ANPC) converters can be decomposed into a low-frequency cell (LFC) and a high-frequency cell (HFC), and fundamental-frequency operation of the LFC is becoming popular. However, balancing the dc-link voltage and three flying capacitor voltages while maintaining very fast control of the output current is always a challenging task, especially when the flying capacitor is small. This article proposes a hybrid model predictive control (MPC) to guarantee the fundamental-frequency operation of the LFC and achieve the fixed-switching frequency operation of the HFC. In the hybrid MPC, the classical MPC regulates the LFC, whereas the duty-cycle-optimized MPC regulates the HFC. The capacitor voltage balance is achieved by adjusting the duty cycles to avoid the weighting factor tuning process. The proposed MPC features a fixed switching frequency and improves the steady-state performance while guaranteeing the fundamental-frequency operation of the LFC. Simulation and experimental results on a five-level ANPC are presented to validate the advantages of the proposed hybrid MPC method over the classical MPC.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,682
Score d'incertitude au seuil1,000

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 Opus0,003
Tête enseignante GPT0,168
Écart entre enseignants0,165 · 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.

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

Citations30
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

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