MétaCan
Menu
Retour à la cohorte
Enregistrement W4319759209 · doi:10.3390/en16041707

A Low Q Three-Phase Series Resonant Converter for PV Applications

2023· article· en· W4319759209 sur OpenAlexafffund
Abirami Kalathy, Arpan Laha, Majid Pahlevani, Praveen Jain

Notice bibliographique

RevueEnergies · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced DC-DC Converters
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCapacitorPulse-width modulationElectronic engineeringPulse-frequency modulationModulation (music)VoltageBoost converterRange (aeronautics)Photovoltaic systemEngineeringElectrical engineeringPulse (music)PhysicsPulse-amplitude modulationAcoustics

Résumé

récupéré en direct d'OpenAlex

In this paper, a soft-switched three-phase resonant converter with a low quality factor (Q) design is proposed for Photovoltaic (PV) energy harvesting systems with a very wide range of operating conditions. Due to the low quality factor (Q ≤ 1), the voltage stress across the capacitors is drastically reduced. However, a major challenge of using a low Q design is the wide switching frequency range required for operation over a wide range of load and input conditions. In order to reduce the switching frequency range, this paper introduces a hybrid modulation technique employing asymmetric pulse width modulation (APWM) along with variable frequency modulation. The proposed modulation scheme also substantially extends the soft-switching range of the converter from full-load upto 10–35% load condition over a wide range of line voltages. To sustain soft-switching in the entire operating region of the converter, the converter is operated in a hybrid structure with single-phase and burst modes at light load conditions. A comprehensive time-domain analysis of the proposed converter is presented, which greatly improves accuracy over conventional frequency-domain modeling. Experimental results from a 1 kW prototype are presented to verify the performance of the converter and validate the theoretical analysis.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,012
Tête enseignante GPT0,252
Écart entre enseignants0,240 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetAdvanced DC-DC ConvertersTravaux en français237 207