MétaCan
Menu
Retour à la cohorte
Enregistrement W4283214993 · doi:10.1109/iemtronics55184.2022.9795808

Design and Simulate a 500 MW Grid-Connected PV Farm for Labrador

2022· article· en· W4283214993 sur OpenAlexaffabout
Sayed Arfat Alam Quadri, Mohamad Mahdi Baalbaki, Andrew Chacko, M. Tariq Iqbal

Notice bibliographique

Revue2022 IEEE International IOT, Electronics and Mechatronics Conference (IEMTRONICS) · 2022
Typearticle
Langueen
DomaineEnergy
ThématiquePhotovoltaic System Optimization Techniques
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésPhotovoltaic systemGridSwitchgearMATLABTransformerSizingTransmission systemElectric power systemComputer scienceElectric power transmissionEngineeringAutomotive engineeringControl engineeringReliability engineeringVoltageElectrical engineeringTransmission (telecommunications)Power (physics)Operating system

Résumé

récupéré en direct d'OpenAlex

This paper investigates the system sizing, schema, modeling, and simulation of a 500 MW, grid-connected PV farm at a site close to the Churchill Falls Airport in Labrador. The objective is to understand the PV farm’s technical and economic feasibility. The system is sized manually and with the help of PVWatts. The outputs from this calculation and PVWatts are used to select system components, such as solar panels and MPPT inverters. The plant is divided into four blocks of 125 MW each for ease of maintenance, control, and redundancy for planned and unplanned outages. Pooling transformers, high voltage switchgear, grid transformers, and the export transmission line are sized accordingly. System performance is analyzed using NREL’s System Advisor Model (SAM) software. The grid-connected PV system, with the inverter, is modeled in Simulink (MATLAB) for dynamic simulations. Protection and control scenarios are also modeled in Simulink. The system’s output parameters are then analyzed to understand power output and stability. Finally, recommendations on feasibility and further work are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,836
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,025
Tête enseignante GPT0,268
Écart entre enseignants0,243 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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

Citations2
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue2022 IEEE International IOT, Electronics and Mechatronics Conference (IEMTRONICS)Même sujetPhotovoltaic System Optimization TechniquesTravaux en français237 207