MétaCan
Menu
Retour à la cohorte
Enregistrement W4293080906 · doi:10.1049/icp.2022.1229

Energy tapping from modular multilevel converters for improvement of frequency events

2022· article· en· W4293080906 sur OpenAlexaff
A. Ng, S. Filizadeh

Notice bibliographique

RevueIET conference proceedings. · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueHVDC Systems and Fault Protection
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésConvertersEnergy storageInertiaModular designRenewable energyParametric statisticsInertial frame of referenceControl theory (sociology)Automatic frequency controlComputer scienceEngineeringPower (physics)Electrical engineeringPhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

The decreasing use of synchronous generators (SGs) by renewable energy sources (RESs) in power systems has led to an increasing vulnerability to frequency excursions. Without the rotating shafts of SGs serving as a reservoir of energy to provide a naturally sufficient inertial response, control systems have been developed and implemented to achieve a similar effect. Other energy reservoirs, such as the inherent energy storage in modular multilevel converters (MMCs), are controlled to help compensate the power imbalances introduced by system perturbations in the grid and improve the inertial response. However, the level of improvement is dependent on the amount of energy available, which is dictated by the MMC and system configurations. In this paper, studies using electromagnetic transient (EMT) simulations are conducted on a parametric basis to investigate how such factors impact the effectiveness of controlling the stored energy to improve the inertial response. These include the energy storage capacity of the MMC, the RES penetration level, magnitude of perturbation, and system inertia. The frequency response characteristics monitored are the frequency nadir and duration of the arresting period. Results show that the available energy does not necessarily improve the inertial response or in a linear manner.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,836
Score d'incertitude au seuil0,695

Scores Codex et Gemma par catégorie

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,016
Tête enseignante GPT0,203
Écart entre enseignants0,187 · 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.

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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET conference proceedings.Même sujetHVDC Systems and Fault ProtectionTravaux en français237 207