MétaCan
Menu
Retour à la cohorte
Enregistrement W4285262760 · doi:10.1109/tpel.2022.3189203

Magnetic Components Reduction in a Three-Phase PFC Converter by Using a Reconfigurable <i>LCL</i> Filter

2022· article· en· W4285262760 sur OpenAlexafffund
Jalal Dadkhah, Carl Ngai Man Ho, Ken King Man Siu, River Tin-Ho Li

Notice bibliographique

RevueIEEE Transactions on Power Electronics · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesCanada Research Chairs
Mots-clésInductorTopology (electrical circuits)Filter (signal processing)ConvertersElectronic engineeringGridActive filterNetwork topologyComputer scienceLow-pass filterEngineeringElectrical engineeringMathematicsVoltage

Résumé

récupéré en direct d'OpenAlex

Three-phase power factor correction (PFC) converters are the front-end stage of the power conversion that are required to be connected to the grid with a proper filter to meet international standards. A high-orderLCLfilter is a widely used solution to reduce the component size of the filter although it requires six inductors. In this article, a novel reconfigurableLCLfilter that consists of only three inductors is proposed. The principle of the reconfigurable filter is to fully utilize the converter-side inductors by changing their position from the converter side to the grid side and vice versa. The filter is reconfigured by using three low-frequency (LF) bidirectional switches. The ultimate goal of the proposed topology is to reduce the magnetic components by half and achieve comparable grid current quality as the conventional topology. The proposed PFC topology is verified by a 1-kW experimental prototype. All the experimental results agree with the theoretical concepts and prove that the grid current quality of the proposed topology is comparable with the conventional topology.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,008
Tête enseignante GPT0,203
Écart entre enseignants0,195 · 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

Citations10
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power ElectronicsMême sujetMicrogrid Control and OptimizationTravaux en français237 207