MétaCan
Menu
Retour à la cohorte
Enregistrement W4390416444 · doi:10.1109/ecce53617.2023.10362665

Embedded Multi-Port Converters for Synthesis and Enhancement of Hybrid-Clamped Multilevel Converters

2023· article· en· W4390416444 sur OpenAlexaff
Yuzhuo Li, Pasan Gunawardena, Hao Tian, Yunwei Li

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced DC-DC Converters
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésConvertersCapacitorElectronic engineeringComputer scienceVoltageInductorElectrical engineeringPower (physics)Topology (electrical circuits)EngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Leveraging a number of inner capacitors/inductors, hybrid-clamped multilevel converters (MLCs) normally face great challenges among good performance (proper charge/discharge of these devices), high efficiency (maintaining low losses) and high power density (compact profile). On the other hand, these multiple-device energy-processing requirements have been addressed well in some promising multi-port converters (MPCs), and, therefore, inspire us to implement well-developed compact MPCs to facilitate the voltage/current level generation process in hybrid-clamped MLCs. Though recently, some researchers started to integrate active cells into hybrid-clamped MLCs and improve capacitor voltage control and generate extra output levels, the systematic synthesis method is still unclear and rarely discussed in the literature. To address this gap, we propose a systematic synthesis method for those hybrid clamped MLCs that can benefit from embedding well-developed MPCs. The approach can be applied for both voltage-source and current-source hybrid-clamped MLCs, covering emerging MLCs. In particular, we also derived and verified a new mixed hybrid MLC family through an emerging current-fed dual-input isolated multi-port converter. This topology features both current-source and voltage-source benefits and is ideal for future renewable generation integration.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,024
Tête enseignante GPT0,254
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'étudeExpérimental (laboratoire)
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced DC-DC ConvertersTravaux en français237 207