MétaCan
Menu
Retour à la cohorte
Enregistrement W4200571817 · doi:10.1109/compel52922.2021.9645937

Intrinsic and Robust Voltage Balancing of FCML Converters with Coupled Inductors

2021· article· en· W4200571817 sur OpenAlexfundno aff
Daniel H. Zhou, Avi Bendory, Ping Wang, Minjie Chen

Notice bibliographique

Revue2021 IEEE 22nd Workshop on Control and Modelling of Power Electronics (COMPEL) · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMultilevel Inverters and Converters
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Science Foundation
Mots-clésInductorConvertersCapacitorRobustness (evolution)VoltageControl theory (sociology)Electronic engineeringComputer scienceEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Flying capacitor voltage balancing is critical for the performance of flying capacitor multilevel (FCML) converters. This paper investigates the fundamentals of intrinsic capacitor voltage balancing of multiphase FCML converters with coupled inductors. It is shown that the coupled inductor provides a new, intrinsic mechanism of flying capacitor voltage balancing that is robust to periodic disturbances and independent of the inductor quality factor. This balancing mechanism is typically stronger than natural balancing. The imbalances with uncoupled inductors are analytically predicted and shown to be dependent on the quality factor of the inductor, thus leading to much larger imbalances compared to the coupled inductor balancing mechanism. A dynamic model for voltage balancing of the flying capacitors with coupled inductors is derived and used to estimate the time required to settle from an initial imbalance. The theoretical analysis is verified with simulations and experimental results. Adding coupled inductors to FCML converters can greatly enhance the robustness of FCML converters against physical nonidealities and periodic disturbances.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
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 Opus0,012
Tête enseignante GPT0,187
Écart entre enseignants0,175 · 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'étudeExpérimental (laboratoire)
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

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2021 IEEE 22nd Workshop on Control and Modelling of Power Electronics (COMPEL)Même sujetMultilevel Inverters and ConvertersTravaux en français237 207