MétaCan
Menu
Retour à la cohorte
Enregistrement W4364360668 · doi:10.1109/infoteh57020.2023.10094146

Efficient Modeling of Adjustable Speed Drive Systems for Offline and Real-Time EMT Simulators

2023· article· en· W4364360668 sur OpenAlexaff
Sheraz Baig, Seyyedmilad Ebrahimi, Juri Jatskevich

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueReal-time simulation and control systems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésInterfacingComputer scienceTransient (computer programming)Real-time simulationMATLABInduction motorConvertersVoltageController (irrigation)InverterDSPACEEmtpAdjustable-speed driveControl engineeringElectronic engineeringControl theory (sociology)SimulationEngineeringElectric power systemControl (management)Computer hardwarePower (physics)Electrical engineering

Résumé

récupéré en direct d'OpenAlex

Adjustable speed drives (ASDs) comprised of inverter-driven induction machines are now widely used in many applications. Design and analysis of such systems require accurate and efficient models of induction machines (IM) and voltage source inverters (VSI). Such studies are often done in real-time or offline multiple times for tuning/optimizing controller parameters. Usually, simulations of such systems are carried out using detailed switching models of VSI and qd IM models, which are readily available as built-in library components in many electromagnetic transient (EMT) simulation programs. However, detailed switching models of converters with qd IM models typically require interfacing snubbers and small time steps, making them computationally expensive. As an alternative, this paper extends the prior work and presents an efficient simulation method using the average-value model of VSI and decoupled constant-parameter voltage-behind-reactance (DCPVBR) model of IM. Simulation studies carried out using MATLAB-Simulink and real-time OPALRT5700 simulator demonstrate the computational advantages of the proposed method over existing approaches.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,535

Scores Codex et Gemma par catégorie

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,231
Écart entre enseignants0,217 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetReal-time simulation and control systemsTravaux en français237 207