MétaCan
Menu
Retour à la cohorte
Enregistrement W4310175353 · doi:10.1109/isgt-europe54678.2022.9960628

Low Voltage DC to Medium Voltage AC Step-up PV Grid-Connected Inverter Module With Robust DC-link Voltage Balancing, MPPT and Grid-Side Control

2022· article· en· W4310175353 sur OpenAlexaff
Kajanan Kanathipan, Muhammad Ali Masood Cheema, John Lam

Notice bibliographique

Revue2022 IEEE PES Innovative Smart Grid Technologies Conference Europe (ISGT-Europe) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced DC-DC Converters
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésMaximum power point trackingElectrical engineeringInverterVoltageVoltage regulationVoltage controllerTransformerLow voltageEngineeringElectronic engineeringVoltage dividerComputer scienceVoltage droop

Résumé

récupéré en direct d'OpenAlex

This paper proposes a combined voltage balancing, fault voltage mitigation and grid-side control technique for a two-stage low voltage DC (LVDC) to medium voltage AC (MVAC) step-up five-level based inverter for PV energy conversion system. In the presented system, a DC-DC front-end converter for providing maximum power point tracking while several inputparallel output-series (IPOS) modular step-up resonant dc/dc converters are employed to boost the PV output voltage to the MVDC level. A five-level grid-side inverter is then used to interface with the MVAC grid, hence, the conventionally used low frequency step-up transformer is eliminated. A voltage balancer is used to both balance the DC-link capacitor voltages and minimize the fault-voltage. In addition, the balancer controller is able to operate without impacting the maximum power extraction and grid-feeding capabilities of the front-end DC/DC converter and the grid-side five-level inverter. Results are provided in PSCAD on a 2MW, 34.5kV grid voltage PV farm operating with different faults to validate the effectiveness of the proposed MV PV inverter system.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesMéta-épidémiologie (sens strict)
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 enseignants0,774
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,007
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0030,002
Intégrité de la recherche0,0000,003
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 Opus0,013
Tête enseignante GPT0,204
Écart entre enseignants0,192 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 IEEE PES Innovative Smart Grid Technologies Conference Europe (ISGT-Europe)Même sujetAdvanced DC-DC ConvertersTravaux en français237 207