MétaCan
Menu
Retour à la cohorte
Enregistrement W3138387692 · doi:10.18280/jesa.540101

Design of Nonlinear Backstepping Control Strategy of PMSG for Hydropower Plant Power Generation

2021· article· en· W3138387692 sur OpenAlexvenueno aff
Abdelkader Boudali, Karim Negadi, Sarah Bouradi, Abderrahmane Berkani, Fabrizio Marignetti

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)BacksteppingAC powerPermanent magnet synchronous generatorRectifier (neural networks)Boost converterComputer scienceEngineeringVoltageElectrical engineeringControl (management)Adaptive control

Résumé

récupéré en direct d'OpenAlex

In this paper, renewable hydropower plant generators with permanent magnet synchronous generator are coupled via a diode bridge rectifier - DC/DC boost converter and three-phase inverter to a power grid. This paper studies a new control structure focused a backstepping control of the energy generation system.The proposed methods for adjusting the active and reactive power by adjusting the currents, the DC bus voltage on the main side converter, as well as the voltage at the output of the DC-DC boost converter. The main objective of this control is to obtain purely sinusoidal and symmetrical grid current signals, to suppress oscillations in reactive power and to cancel active power chattering in the event of grid imbalance. In order to optimize the energy flow in the different parts of the production process, an energy control algorithm is developed in order to attenuate the fluctuations in the water flow, the grid system of the hydropower plant considered has been implemented in Matlab/Simulink, the results show the effectiveness of the proposed method. To analyze our approach, a prototype is modeled, simulated and can be performed in an experimental test setup.

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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,888
Score d'incertitude au seuil0,651

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 Opus0,019
Tête enseignante GPT0,226
Écart entre enseignants0,208 · 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
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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetMicrogrid Control and OptimizationTravaux en français237 207