Modeling of Doubly Fed Induction Generators for Distribution System Power Flow Analysis
Notice bibliographique
Résumé
Large-scale integration of Wind Generators (WGs) with distribution systems is underway right across the globe in a drive to harness green energy. The Doubly Fed Induction Generator (DFIG) is an important type of WG due to its robustness and versatility. Its accurate and efficient modeling is very important in distribution systems planning and analysis studies, as the older approximate representation method (the constant PQ model) is no longer sufficient given the scale of integration of WGs. This thesis proposes a new three-phase model for the DFIG, compatible with unbalanced three-phase distribution systems, by deriving an analytical representation of its three major components, namely the wind turbine, the voltage source converter, and the wound-rotor induction machine. The proposed model has a set of nonlinear equations that yields the total three-phase active and reactive powers injected into the grid by the DFIG as a function of the grid voltage and wind turbine parameters. This proposed model is integrated with a three-phased unbalanced power flow method and reported in this thesis. The proposed method opens up a new way to conduct power flow studies on unbalanced distribution systems with WGs. The proposed DFIG model is verified using Matlab-Simulink. IEEE 37-bus test system data from the IEEE Distribution System sub-committee is used to benchmark the results of the power flow 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.
Comment cette classification a été obtenuedéplier
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».