MétaCan
Menu
Retour à la cohorte
Enregistrement W4390298754 · doi:10.18280/jesa.560602

Optimized PI tuning of DG-Integrated Shunt Active Power Filter Using Biogeography-Based Optimization Algorithm

2023· article· en· W4390298754 sur OpenAlexvenueno aff
Venkata Anjani Kumar G, M. Damodar Reddy

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2023
Typearticle
Langueen
DomaineEngineering
ThématiquePower Quality and Harmonics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOptimization algorithmBiogeographyShunt (medical)AlgorithmComputer scienceMathematical optimizationMathematicsBiologyEcology

Résumé

récupéré en direct d'OpenAlex

This article proposes a biogeography-based optimization (BBO) approach to optimizing the PI controller gains of the PV integrated shunt active power filter (SAPF).This method is also used to analyze how these optimum gains affect the performance of SAPF.When nonlinear loads draw reactive power from the source, harmonics are produced, which can lead to power quality issues for the utility.Our ultimate goal is to achieve sinusoidal source current, which can only be accomplished with the help of FACT devices that enhance power quality in the distribution network.SAPF is a commonly utilized device.Solar is the most popular alternative energy source because it is the most cost-effective.Therefore, this article takes into account PV-integrated SAPF for analysis.To get the highest amount of power from a PV panel, a technique called maximum power point tracking (MPPT) is used.This technique is based on perturbation and observation (P&O) in MPPT.When the SAPF converter uses this maximum power, it also sends active power to the load, so that the SAPF converter has dual functionality like reactive power compensation (FACT) and active power supply (DG Functionality) to the load.The performance of this PV-Integrated SAPF depends on many things, like how the reference current is made, how switching pulses are made, how the voltage on the dc link is controlled, etc.In order to obtain the best possible performance from SAPF, certain design parameters, such as the gains of the PI-controller, need to be optimized.Modeling and simulation of a PV-integrated SAPF are performed in Matlab/Simulink.Gain optimization of the PI controller-based PV integrated SAPF is performed using both the proposed biogeography-based optimization method and the PSO algorithm, and the results are compared.The proposed BBO-trained PV-SAPF converter's active power injection was also investigated.

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)0,001
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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,029
Tête enseignante GPT0,259
Écart entre enseignants0,230 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentnon

Explorer davantage

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