MétaCan
Menu
Retour à la cohorte
Enregistrement W3190975923 · doi:10.1109/tste.2021.3102515

Maximum Asymmetrical Support in Parallel-Operated Grid-Interactive Smart Inverters

2021· article· en· W3190975923 sur OpenAlexaff
Masoud M. Shabestary, Yasser Abdel‐Rady I. Mohamed

Notice bibliographique

RevueIEEE Transactions on Sustainable Energy · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésGridInterconnectionComputer scienceVoltageSmart gridBoosting (machine learning)Grid codeAC powerSequence (biology)Electronic engineeringDistributed computingElectrical engineeringEngineeringTelecommunicationsMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Parallel operation of grid-interactive inverters has been continuously gaining attraction, and their contribution to sustaining the host grid stability has become strongly demanded. This paper investigates and discusses the trends in the most recent interconnection grid codes. Grid codes call for simultaneous requirements for the low-voltage ride-through capabilities of parallel operation of grid-interactive inverters as well as their effective asymmetrical voltage support by advanced active/reactive bi-sequence power provision under unbalanced grid faults. Addressing these demands in an optimized way becomes very challenging. This paper thus proposes a new methodology to simultaneously achieve three main objectives: (1) coordination of the asymmetrical ride-through and voltage support capabilities of parallel-operated inverters, (2) maximizing the utilization of each unit and their collective contribution in boosting the positive-sequence voltage and reduction of the negative sequence voltage subject to the constraints from the inverters and the grid, and (3) minimizing the impact of the support on the active power injections. Simulation and experimental results illustrate the effectiveness of the proposed algorithm.

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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0000,001
Science ouverte0,0010,001
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 Opus0,005
Tête enseignante GPT0,189
Écart entre enseignants0,184 · 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

Citations18
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Sustainable EnergyMême sujetMicrogrid Control and OptimizationTravaux en français237 207