MétaCan
Menu
Retour à la cohorte
Enregistrement W3097019287 · doi:10.3390/en13215625

Passive Fault-Tolerant Control Strategies for Power Converter in a Hybrid Microgrid

2020· article· en· W3097019287 sur OpenAlexafffund
Saeedreza Jadidi, Hamed Badihi, Youmin Zhang

Notice bibliographique

RevueEnergies · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMicrogridPhotovoltaic systemConvertersFault (geology)Distributed generationPulse-width modulationFault toleranceEngineeringBenchmark (surveying)Wind powerControl theory (sociology)Computer scienceElectronic engineeringRenewable energyVoltageElectrical engineeringControl (management)Reliability engineering

Résumé

récupéré en direct d'OpenAlex

Control of AC/DC pulse-width modulation (PWM) power electronic converter, referred to as “AC/DC PWM converter”, is vital to the efficient regulation of power flow between AC and DC parts of a hybrid microgrid. Given the importance of such converters in AC/DC microgrids, this paper investigates the design of fault-tolerant control for AC/DC PWM converters in the presence of microgrid faults. In particular, two novel fault-tolerant schemes based on fuzzy logic and model predictive control are proposed and implemented in an advanced hybrid microgrid benchmark in MATLAB/Simulink environment. The considered hybrid microgrid consists of dynamic loads and distributed energy resources including solar photovoltaic arrays, wind turbines, and battery energy storage systems. The proposed schemes especially target the fault effects due to common power-loss malfunctions in solar photovoltaic arrays in the presence of microgrid uncertainties and disturbances. The effectiveness of proposed fault-tolerant control schemes is demonstrated and compared under realistic fault scenarios in the hybrid microgrid benchmark.

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)0,000
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,005
Tête enseignante GPT0,178
Écart entre enseignants0,173 · 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

Citations42
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetMicrogrid Control and OptimizationTravaux en français237 207