MétaCan
Menu
Retour à la cohorte
Enregistrement W4387108265 · doi:10.18280/jesa.560405

Multivariable Filter-Based New Harmonic Voltage Identification for a 3-Level UPQC

2023· article· fr· W4387108265 sur OpenAlexvenueno aff
Adel Dahdouh, Lakhdar Mazouz, Ahmed Elottri, Brahim Elkhalil Youcefa

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2023
Typearticle
Languefr
DomaineEngineering
ThématiquePower Quality and Harmonics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMultivariable calculusControl theory (sociology)Identification (biology)HarmonicVoltageFilter (signal processing)Computer scienceMathematicsControl engineeringEngineeringArtificial intelligencePhysicsAcousticsElectrical engineeringBiologyControl (management)

Résumé

récupéré en direct d'OpenAlex

An innovative methodology for harmonic voltage identification has been introduced, leveraging the application of a multivariable-filter (FMV) to the three-level unified power quality conditioner (UPQC).The UPQC is controlled using a feedback linearization method founded on the space vector modulation (SVM) approach.The main attributes of this novel technique are its simplicity, robustness, and ease of implementation.It necessitates only a Concordia transformation block and an FMV filter.To enhance the performance of the UPQC system, this technique is incorporated into the control strategy.This integration considers an energy minimization based balancing of DC capacitor voltages.A prime advantage of this methodology is the provision of compensation signals with impeccable accuracy and typical speed.This is achievable under a myriad of load conditions, enabling the elimination of current and voltage harmonics while maintaining a high dynamic response.Validation of the proposed method's performance is achieved through MATLAB/Simulink simulations, applied to a diverse nonlinear load.When contrasted with results obtained from the conventional PQ-theory, these simulations demonstrate the superior effectiveness of this newly proposed identification technique.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,776
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,086
Tête enseignante GPT0,299
Écart entre enseignants0,214 · 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.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetPower Quality and HarmonicsTravaux en français237 207