MétaCan
Menu
Retour à la cohorte
Enregistrement W4310971797 · doi:10.1109/iecon49645.2022.9968472

An Approach in Selective Harmonic Mitigation Technique for Reduction of Multiple Harmonics with Only Two Switchings Per Quarter

2022· article· en· W4310971797 sur OpenAlexaboutno aff
Pratik Kalkal, A. V. Ravi Teja

Notice bibliographique

RevueIECON 2022 – 48th Annual Conference of the IEEE Industrial Electronics Society · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMultilevel Inverters and Converters
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHarmonicsReduction (mathematics)Quarter (Canadian coin)Harmonic analysisHarmonicMathematicsControl theory (sociology)Computer sciencePhysicsAcousticsEngineeringMathematical analysisArtificial intelligenceElectrical engineeringControl (management)VoltageGeographyGeometry

Résumé

récupéré en direct d'OpenAlex

The selective harmonic elimination technique allows us to eliminate completely N number of harmonics with (N+1) number of switchings per quarter. However, instead of completely removing grid regulations demand that harmonics be kept to less than 5%. Therefore, there exists a possibility of bringing more harmonics within the 5% band while keeping the number of switchings fixed. This degree of freedom is explored in this paper wherein many harmonics are mitigated while keeping only two switchings per quarter. The analysis is tested in simulation for various operating conditions using MATLAB/Simulink software. It is shown that up to 17 <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">th</sup> harmonic can be mitigated to less than 5% with two switchings per quarter.

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 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 enseignants0,596
Score d'incertitude au seuil0,954

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,022
Tête enseignante GPT0,230
Écart entre enseignants0,209 · 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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIECON 2022 – 48th Annual Conference of the IEEE Industrial Electronics SocietyMême sujetMultilevel Inverters and ConvertersTravaux en français237 207