Hybrid CPU-GPU-Based Electromagnetic Transient Simulation of Modular Multilevel Converter for HVDC Application
Notice bibliographique
Résumé
Modular multilevel converter (MMC) is one of the key components for modern high voltage DC (HVDC) transmission systems. Fast and accurate electromagnetic transient (EMT) simulation of the MMC is crucial to capture the finest dynamics and transients required for proper planning, design, and control prototyping of multiterminal DC (MTDC) grids. This paper proposes a hybrid high-performance computing platform for the simulation of the HVDC transmission system based on graphics processing unit (GPU). An EMT program is developed to implement the discrete time model for the two-terminal modular multilevel converters. The high computational power of the hybrid CPU-GPU platform is utilized to simulate all components in the HVDC system by capturing the detailed dynamics and transients. Moreover, a parallel GPU-based simulation algorithm is presented in the paper. The proposed algorithm provides an advanced solution for balanced distribution of simulation tasks on both the CPU and GPU to exploit the available resources on GPU at low communication latency without any compromise of the simulation accuracy. The results obtained from the proposed hybrid platform show high accuracy compared to the results obtained from Matlab/Simulink/Simscape/Specialized Power System model using the same network configuration and parameters. The proposed CPU-GPU MMC model is shown to achieve a speed up of 27.5 folds, compared to the sequential algorithm of MMC model implemented in CPU.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».