MétaCan
Menu
Retour à la cohorte
Enregistrement W4287889148 · doi:10.1109/access.2022.3193491

Distributed Islanding Detection in Multisource DC Microgrids: Pilot Signal Cancelation

2022· article· en· W4287889148 sur OpenAlexaff
Cristian Blanco, Francisco Paz, Ignacio Galiano Zurbriggen, Pablo García, Martin Ordonez

Notice bibliographique

RevueIEEE Access · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueIslanding Detection in Power Systems
Établissements canadiensUniversity of CalgaryUniversity of British Columbia
Organismes subventionnairesHorizon 2020 Framework ProgrammeEuropean CommissionMinisterio de Ciencia, Innovación y Universidades
Mots-clésIslandingMicrogridConvertersElectrical impedanceComputer scienceSIGNAL (programming language)Electronic engineeringVoltageDistributed generationControl theory (sociology)Electrical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Integrating Distributed Generators (DGs) in DC microgrids require islanding detection in all converters. Impedance-based islanding detection methods can be beneficial in single-converter scenarios. However, their implementation in multi-converter systems is challenging due to interference among DGs. This paper proposes a Leader/Follower strategy for each active participant of the DC microgrid to independently detect the grid connection state. While the Leader injects a small AC pilot signal to estimate the impedance at its terminals, the Followers implement the proposed pilot signal cancellation (PSC) to present a virtual disconnection from the bus at ωp. This leads to two core benefits: the Leader does not receive interference from the input impedance of the followers yielding accurate islanding detection for the Leader, and the followers can detect the islanding condition independently, with no need to increase the PSC amplitude. The proposed method provides independent and simultaneous islanding detection for all active participants in the DC microgrid. At the same time, it is scalable by the number of parallel-converters, not requiring any communication. Finally, the method has a minimal effect on the bus voltage.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
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 Opus0,018
Tête enseignante GPT0,245
Écart entre enseignants0,227 · 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'étudeExpérimental (laboratoire)
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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetIslanding Detection in Power SystemsTravaux en français237 207