Modified Droop Strategy for Wide Load Range Efficiency Improvement of Parallel Inverter Systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Parallel inverters are used in many modern applications, and thus, improving the inverter system efficiency plays a key role in energy savings. The conventional droop strategy used for power sharing among inverters, however, leads to a low efficiency especially at light loads, as the low power demand is divided among inverters, forcing them to process a fraction of the low power at a low efficiency according to their efficiency curve. To avoid such operating conditions, a communicationless modified droop strategy is proposed in this article to select an optimal number of inverters to process fractions of the power demand that leads to a higher system efficiency considering the efficiency curve of the inverters. To achieve this objective at very light load situations, an online-inverter detection method is developed so that each inverter detects the online inverters and the unnecessary inverters turn <sc xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">off</small> . The proposed method is employed in a system with three single-phase parallel inverters to evaluate the effectiveness of the method. It is observed that the proposed strategy can improve the system efficiency by up to 14% at light loads compared with the conventional droop. Additionally, the reliability of the system is enhanced by extending the lifetime of inverters with higher power ratings, which are considered as valuable assets of the system. Detailed derivations, simulations, and experimental results are presented to validate the proposed method.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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