MétaCan
Menu
Retour à la cohorte
Enregistrement W3040302352 · doi:10.1109/oajpe.2020.3006352

Turbine Startup and Shutdown in Wind Farms Featuring Partial Power Processing Converters

2020· article· en· W3040302352 sur OpenAlexafffund
Marten Pape, Mehrdad Kazerani

Notice bibliographique

RevueIEEE Open Access Journal of Power and Energy · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueMultilevel Inverters and Converters
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésOffshore wind powerConvertersTurbineWind powerPower optimizerEngineeringShutdownPower (physics)Electrical engineeringAutomotive engineeringMaximum power point trackingInverterVoltageMechanical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

The wind turbine startup and shutdown procedures for electrical subsystems are straightforward for wind turbines featuring full-scale power electronic converters and have not required significant attentions from the research community. However, for offshore wind farms featuring series-connected dc collection systems and differential power processing capabilities, the controllable wind turbine power converters might not be rated in such a way that a full-scale output power difference can be handled within a series string. As startup and shutdown procedures can require a transition from zero to full power, a more elaborate design is required to ensure that wind turbines can still start and stop reliably under all conditions, without compromising advantages in reduced wind turbine converter ratings with differential power processing capabilities. In this paper, the startup and shutdown procedures for a series-dc wind farm featuring diode-bridge rectifiers and partial power processing converters as wind turbine converters, are investigated and constraints on converter ratings are evaluated.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

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 savante0,0010,001
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 Opus0,030
Tête enseignante GPT0,278
Écart entre enseignants0,249 · 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

Citations17
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Open Access Journal of Power and EnergyMême sujetMultilevel Inverters and ConvertersTravaux en français237 207