MétaCan
Menu
Retour à la cohorte
Enregistrement W3037165732 · doi:10.1109/apec39645.2020.9124539

Analysis and Control of Modular Multilevel Converters using Discontinuous Modulation

2020· article· en· W3037165732 sur OpenAlexaff
Deepak Ronanki, Sheldon S. Williamson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueHVDC Systems and Fault Protection
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésRippleModular designConvertersCapacitorVoltageSequence (biology)Control theory (sociology)Electronic engineeringSpace vector modulationSimple (philosophy)EngineeringPower (physics)Null vectorComputer scienceTopology (electrical circuits)MathematicsControl (management)Pulse-width modulationElectrical engineeringPhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper proposes a simple and generalized approach of an adaptive zero-sequence voltage injection to control the modular multilevel converter with reduced switching losses and capacitor voltage ripple. In this method, a simple approach based on the location of the voltage vector mapping to a two-level space-vector diagram is presented to determine various zero- sequence voltage components. A generalized control structure is established to conduct the perform studies among different ZSV components. Moreover, a real-time electro-thermal model is developed in PLECS platform to analyze the thermal loading on power devices. The performance and effectiveness of the proposed approach is analyzed through detailed hardware-in-the-loop experimental studies. Finally, the performance of MMC with different zero-sequence voltage injections are holistically evaluated to determine the best possible sequence in terms of reduced capacitor voltage ripple and power losses.

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 enseignants0,565
Score d'incertitude au seuil0,238

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 Opus0,014
Tête enseignante GPT0,203
Écart entre enseignants0,190 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHVDC Systems and Fault ProtectionTravaux en français237 207