MétaCan
Menu
Retour à la cohorte
Enregistrement W4390416570 · doi:10.1109/ecce53617.2023.10361976

Fast MPPT for Residential PV Systems with Low DC-Link Capacitance and Differential Power Processing

2023· article· en· W4390416570 sur OpenAlexaff
Nicolás Agüero Meineri, Ignacio Santana, Ignacio Galiano Zurbriggen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnergy
ThématiquePhotovoltaic System Optimization Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMaximum power point trackingConvertersElectronic engineeringPhotovoltaic systemComputer scienceSolar micro-inverterReliability (semiconductor)Power (physics)CapacitanceElectrical engineeringEngineeringVoltageInverter

Résumé

récupéré en direct d'OpenAlex

Tracking efficiency, cost, and reliability are important factors when selecting PV architectures and converter topologies. PV systems require power converters to maximize power extraction, for which DC-DC converters are a common choice. Differential Power Processing architectures can achieve higher efficiencies and lower cost by reducing the amount of power passing through these converters, while still providing Maximum Power Point Tracking (MPPT) capabilities. Single-phase grid connected PV systems, typical in residential applications, require a large capacitance in the DC bus to minimize the voltage ripple caused by double-line pulsating power, impacting the cost and reliability of the system. This work introduces a new MPPT mode of operation for flyback converters in DPP architectures. The proposed MPPT method shows extremely high dynamic performance and is capable of maximizing the power extraction even for highly variable bus voltages. In this way, the method enables a significant reduction in the DC bus capacitance, reducing costs and increasing reliability, while maintaining excellent tracking efficiency. The analysis is supported by mathematical procedures, and the system performance is validated by simulation and experimental results.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,766
Score d'incertitude au seuil0,678

Scores Codex et Gemma par catégorie

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)0,0000,000

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 GPT0,236
Écart entre enseignants0,226 · 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.

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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPhotovoltaic System Optimization TechniquesTravaux en français237 207