MétaCan
Menu
Retour à la cohorte
Enregistrement W4205428004 · doi:10.23919/cjee.2021.000035

Single-phase grid-connected PV system with golden section search-based MPPT algorithm

2021· article· en· W4205428004 sur OpenAlexafffund
Shuang Xu, Riming Shao, Bo Cao, Liuchen Chang

Notice bibliographique

RevueChinese Journal of Electrical Engineering · 2021
Typearticle
Langueen
DomaineEnergy
ThématiquePhotovoltaic System Optimization Techniques
Établissements canadiensEnergie NB Power (Canada)University of New Brunswick
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaximum power point trackingPhotovoltaic systemMaximum power principleControl theory (sociology)Computer scienceRate of convergenceChopperInverterConvergence (economics)AlgorithmEngineeringVoltageElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Maximum power point tracking (MPPT) is a technique employed for with variable-power sources, such as solar, wind, and ocean, to maximize energy extraction under all conditions. The commonly used perturb and observe (P&O) and incremental conductance (INC) methods have advantages such as ease of implementation, but they also have the challenge of selecting the most optimized perturbation step or increment size while considering the trade-off between convergence time and oscillation. To address these issues, an MPPT solution for grid-connected photovoltaic (PV) systems is proposed that combines the golden section search (GSS), P&O, and INC methods to simultaneously achieve faster convergence and smaller oscillation, converging to the MPP by repeatedly narrowing the width of the interval at the rate of the golden ratio. The proposed MPPT technique was applied to a PV system consisting of a PV array, boost chopper, and inverter. Simulation and experimental results verify the feasibility and effectiveness of the proposed MPPT technique, by which the system is able to locate the MPP in 36 ms and regain a drifting MPP in approximately 30 ms under transient performance. The overall MPPT efficiency is 98.99%.

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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,007
Tête enseignante GPT0,226
Écart entre enseignants0,218 · 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

Citations67
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChinese Journal of Electrical EngineeringMême sujetPhotovoltaic System Optimization TechniquesTravaux en français237 207