Mechanical Stress Comparison of PMSG Wind Turbine LVRT Methods
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The grid code for renewable energy is increasingly strict to circumvent issues with grid stability and reliability. One grid code standard that is enforced for most modern variable speed wind turbines (WTs) is the low-voltage ride-through (LVRT) criteria, where WTs are to be grid-connected during voltage dips. Traditionally, for permanent magnet synchronous generator (PMSG) WTs, LVRT is achieved by using a DC crowbar or DC chopper to dissipate the power difference between the grid and the generator. Alternatively, a popular LVRT strategy proposed by the research community for PMSG-based wind energy conversion system (WECS) is the stored energy in rotor inertia (SEIRI) strategy, which is done by altering the control of the machine-side converter (MSC) with potential cost savings. However, there are some concerns regarding additional mechanical stress to the drivetrain that may pertain to this method. A hybrid LVRT method has been suggested to combine the crowbar and the SEIRI methods to incorporate the benefits from both methods. In this article, we are studying and comparing the electrical and mechanical performance of PMSG WTs operating with the traditional crowbar, the SEIRI, and the hybrid LVRT method. To do so, the electrical and mechanical dynamics of these strategies are simulated using a two-mass drive train model, which is necessary for analyzing WTs under mechanical transient. Finally, the performance of wind farms with power reserves while using an inertia based LVRT method will be investigated to show the impact of the power reserve on the WT's LVRT mechanical dynamics.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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