MétaCan
Menu
Retour à la cohorte
Enregistrement W3037626125 · doi:10.1109/apec39645.2020.9124297

Fuzzy Logic Based Module-Level Power Electronics for Mitigation of Rapid Cloud Shading in Photovoltaic Systems

2020· article· en· W3037626125 sur OpenAlexaff
Rachel M. Belcher, Javad Fattahi, Karin Hinzer, Henry Schriemer

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnergy
ThématiquePhotovoltaic System Optimization Techniques
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPhotovoltaic systemMaximum power point trackingComputer scienceCloud computingController (irrigation)VoltageElectronic engineeringElectrical engineeringControl theory (sociology)Automotive engineeringReal-time computingEngineeringInverterControl (management)

Résumé

récupéré en direct d'OpenAlex

A module-level DC optimization device is proposed to increase the efficiency of photovoltaic (PV) strings by minimizing the negative effects of shading caused by intermittent cloud cover while reducing cloud induced fast frequency fluctuations. The decentralized inverter approach combines the benefits of string and microinverter technology. This device can be affixed to pre-existing or new systems and operates in compliance with IEEE 1547 and California rule 21 standards by operating in maximum power point tracking (MPPT) or curtailment mode whenever necessary. The modular level device encapsulates three individual processes: an optimization engine to determine minimum power requirements, a fuzzy logic controller (FLC) to eliminate affects from passing cloud cover, and a voltage regulation stage to monitor and appropriately adjust output voltage of the device. Field data was collected and used for model validation of resiliency to partial shading, reduction of ramp rates during passing cloud coverage, and optimized output voltage of each panel while maintaining a constant DC link voltage of 120 V.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,919
Score d'incertitude au seuil0,969

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,040
Tête enseignante GPT0,256
Écart entre enseignants0,216 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPhotovoltaic System Optimization TechniquesTravaux en français237 207