Modeling and Control Strategies for DFIG in Wind Turbines: A Comparative Analysis of SPWM, THIPWM, and SVPWM Techniques
Notice bibliographique
Résumé
The paper presents a comprehensive study on modeling a doubly fed induction generator (DFIG) and explores various control strategies for pulse-width modulation (PWM) in back-to-back (B2B) converter techniques.A DFIG is characterized by a wound rotor and three slip-ring induction machines, with the stator winding directly connected to the power grid and the wound rotor interfaced with the grid through a 3-phase AC/DC/AC converter.Typically, the converter connected to the grid is referred to as the grid side converter (GSC), while the converter attached to the rotor's slip-ring circuit is termed the rotor side converter (RSC).This research delineates various PWM-based B2B converter methodologies applied to the DFIG within wind energy turbines, aiming to regulate the RSC for optimal power capture.The study employs MATLAB/SIMULINK for constructing a multi-phase voltage source converter two-level (VSC-2L) model, leveraging different PWM techniques including Sine-PWM, Sinusoidal-PWM with third harmonic injection (THIPWM), and space vector PWM (SVPWM).These techniques are assessed based on total harmonic distortion (THD) using fast Fourier transform (FFT) analysis.The findings indicate that SVPWM offers several advantages, such as ease of digital implementation, lower THD, reduced switching frequency losses, and more efficient utilization of the DC link voltage, thereby enhancing control strategy effectiveness.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».