MTDC Grids: A Metaheuristic Solution for Nonlinear Control
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
This scientific paper aims to increase the voltage source converter (VSC) control efficiency in a multi-terminal high voltage direct current (MTDC) network during dynamic operations. In the proposed study, the Mayfly algorithm (MA) is used to modify the control parameters of VSC stations. Traditional strategies that modify VSC control settings using approximate linear models fail to produce optimal results because VSCs are nonlinear characteristics of the MTDC system. Particle swarm optimization (PSO) may produce optimal outcomes, but it is prone to becoming stuck in a local optimum. To modify the proportional-integral (P.I.) control parameters of the VSC station, the Mayfly algorithm, a modified form of PSO, is used. The suggested algorithm’s objective function simultaneously optimizes both the outer and inner control layers. A four-terminal MTDC test system is developed in PSCAD/EMTDC to assess the benefits of the proposed algorithm. For VSCs, a comparison of classical, PSO, and proposed MA-based tuned parameters is carried out. The integral of time multiplied by absolute error (ITAE) criterion is used to compare the performance of classical, PSO, and a proposed algorithm for VSC controller parameters/gains. With an ITAE value of 6.8521 × 10−6, the MA-based proposed algorithm computes the optimal values and outperforms its predecessor to adjust the VSCs controller gains. For (i) wind farm power variation, (ii) AC grid load demand variation, and (iii) ultimate permanent VSC disconnection, steady-state and dynamic performances are evaluated. According to the results, the proposed algorithm based MTDC system performs well during transients.
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