MétaCan
Menu
Retour à la cohorte
Enregistrement W4386698347 · doi:10.1109/iccep57914.2023.10247375

Admittance-Based Modeling of Grid-Following Converters for Time-Domain Simulations of Multi-Converter Electrical Power Systems

2023· article· en· W4386698347 sur OpenAlexaff
Arash Safavizadeh, Taleb Vahabzadeh, Seyyedmilad Ebrahimi, Juri Jatskevich

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésInterfacingConvertersAdmittanceComputer scienceTime domainTransfer functionGridPower (physics)Electronic engineeringNonlinear systemReduction (mathematics)Control theory (sociology)EngineeringElectrical engineeringElectrical impedanceMathematicsPhysicsComputer hardware

Résumé

récupéré en direct d'OpenAlex

Accurate and efficient time-domain simulations are indispensable for integrating converter-interfaced energy resources into the evolving power grid. This paper proposes an admittance-based model (ABM) of grid-following converters (GFCs) for numerically efficient time-domain simulations. Specifically, the linear components of GFCs with fast dynamics are formulated as transfer functions, while the slow nonlinear components are kept without any model reduction. The transfer function- based admittance formulation preserves/includes the dynamic characteristic between the desired input/output variables of the fast sub-system. The proposed ABM also achieves an enhanced interfacing with external networks and does not require an extra time-step delay as opposed to the conventional implementation of state-space average-value models (SS-AVMs) of converters. The proposed ABM of the GFCs is validated through computer simulations and compared with the SS-AVM. It is shown that the proposed ABM is able to use larger time-steps and achieve higher numerical accuracy compared to SS-AVM, making it capable of simulating larger multi-converter systems using specific available simulation hardware.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

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 savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,218
Écart entre enseignants0,207 · 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'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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrogrid Control and OptimizationTravaux en français237 207