MétaCan
Menu
Retour à la cohorte
Enregistrement W4378843012 · doi:10.1109/apec43580.2023.10131230

Voltage Balancing of a New Five-Level Multilevel Inverter with a Modified Carrier Pulse Width Modulation Scheme

2023· article· en· W4378843012 sur OpenAlexaff
Mohan Ram Selvaraj, Apparao Dekka, Deepak Ronanki, Abdul R. Beig

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMultilevel Inverters and Converters
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésRedundancy (engineering)Pulse-width modulationCapacitorVoltageElectronic engineeringInverterComputer scienceModulation (music)Control theory (sociology)EngineeringElectrical engineeringControl (management)Physics

Résumé

récupéré en direct d'OpenAlex

The advanced multilevel inverters are designed with floating capacitors to increase their output voltage levels. For a reliable operation, these inverters require an efficient voltage balancing algorithm to control the voltage of floating capacitors at rated values. Typically, the balancing algorithm uses redundancy states and is implemented with the conventional multi-carrier pulse width modulation schemes. However, the inverter structure and load power factor affect the balancing ability of the conventional methods. In this article, the balancing algorithm based on a modified multi-carrier based modulation technique is proposed for a new five-level multilevel inverter. In the proposed modified approach, the carriers are distributed non-uniformly throughout the carrier space leading to an output voltage with overlapped voltage steps. With this philosophy, the redundancy states can be utilized effectively in achieving the balancing of floating capacitor voltages under a wide range of power factors. Also, the floating capacitor voltage ripples are minimized compared with the conventional methods. The performance comparison of the proposed and conventional methodologies at different load power factors are presented using the simulation tools.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,769
Score d'incertitude au seuil0,935

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 Opus0,034
Tête enseignante GPT0,227
Écart entre enseignants0,193 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMultilevel Inverters and ConvertersTravaux en français237 207