MétaCan
Menu
Retour à la cohorte
Enregistrement W3015579459 · doi:10.1109/tie.2020.2984969

Stability Analysis of Power Hardware-in-the-Loop Architecture With Solar Inverter

2020· article· en· W3015579459 sur OpenAlexaff
Mandip Pokharel, Carl Ngai Man Ho

Notice bibliographique

RevueIEEE Transactions on Industrial Electronics · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueReal-time simulation and control systems
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésSolar micro-inverterPhotovoltaic systemStability (learning theory)Power (physics)Flexibility (engineering)InverterLimit (mathematics)Control engineeringEngineeringMaximum power point trackingElectric power systemControl theory (sociology)Computer scienceElectronic engineeringElectrical engineeringVoltagePhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

Power hardware-in-the-loop (PHIL) simulations have been rapidly growing in recent times due to the flexibility it offers in conducting various system-level studies as well as individual device evaluation. Evaluating a power converter has been one of the major applications of PHIL at recent times in the industry. Following this trend, this article proposes a way to evaluate a photovoltaic (PV) microinverter in PHIL arrangement. The mathematical background to quantify the stability criteria for a PHIL network is presented along with theoretical and experimental verifications. The methodology in this article is based on the model of interface devices and accurate delay model to analyze the stability of a PHIL system employing Routh-Hurwitz's formulation. An extensive analysis on stability along with the compensator design to enhance the stability limit of a PHIL system is presented. The workflow developed is applied to evaluate a 250-W PV microinverter, which showed a stable performance with more than 97% efficiency during steady state and transients.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,023
Tête enseignante GPT0,211
Écart entre enseignants0,187 · 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

Citations35
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industrial ElectronicsMême sujetReal-time simulation and control systemsTravaux en français237 207