Droop-Based DC Microgrids Analysis and Control Design Using a Weighted Dynamic Aggregation Modeling Approach
Notice bibliographique
Résumé
In this article, a weighted dynamic aggregation (WD agg) approach is used for modeling, analyzing, and control loop design of islanded dc microgrids. The proposed approach models <italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"><inline-formula><tex-math notation="LaTeX">$ {\bf n}$</tex-math></inline-formula></i> dc–dc converters and their controllers with a single equivalent converter and an equivalent control system, which without sacrificing the accuracy reduces the complexity of such large-scale system studies. It is shown that the model equivalent converter and control system parameters can be determined by the weighted average of the corresponding parameters of the large-scale system. The weight of each converter is quantified based on the contribution of that converter in the overall dynamic behavior of the large-scale system. The WD agg model can accurately predicts the transient response and can be employed in power planning, stability, and sensitivity analyses with high accuracy. It is also shown that the proposed model can be used in designing the controller parameters of the large-scale system to ensure a desirable system performance. The accuracy and applications of the proposed WD agg model are evaluated through time-domain simulations, and experiments of an islanded microgrid consisting of three paralleled converters with different control parameters connected to a constant power load emulating a challenging system stability case.
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 | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».