MétaCan
Menu
Retour à la cohorte
Enregistrement W3080335981 · doi:10.1109/icps48389.2020.9176763

A Battery Storage System for PMG-based WECSs

2020· article· en· W3080335981 sur OpenAlexaff
X. F. St. Onge, S. A. Saleh

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésComputer scienceRenewable energyEnergy storageWind powerElectric power systemOffset (computer science)Electrical engineeringGenerator (circuit theory)TorqueBattery (electricity)Power (physics)Automotive engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Conventional approaches to electric power generation has become concerning for the environment. As a result, several changes to power systems have been introduced. Among these changes, a significant number of distributed generation units (DGUs) are being integrated in power systems. For, DGUs strive to offset conventional generation by utilizing renewable energy sources. Largely, DGUs have trended towards the use of wind energy conversion systems (WECSs), where modern WECSs are favoring the variable speed PMG-based architectures. The relative novelty of these systems, however, has emphasized challenges that limit their applicability. Of these challenges, PMG torque pulsations, and PCC frequency have been regarded as the most troublesome. As of late, energy storage systems (ESSs) and new power electronic converter (PEC) topologies are being recommended to overcome these challenges. This work aims to develop and evaluate a split-bus PMG-based WECS architecture, that takes advantage of a generator charged and PCC discharged battery storage system (BSS) to support PCC frequency stability, as well as using a modified cascaded H-bridge (MCHB) generator-side PEC to reduce PMG-torque pulsations. The developed system is modeled in simulation and constructed in laboratory. Several operating conditions of wind speed, power command, and BSS charging are investigated.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,993
Score d'incertitude au seuil0,231

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 Opus0,008
Tête enseignante GPT0,163
Écart entre enseignants0,155 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrogrid Control and OptimizationTravaux en français237 207