MétaCan
Menu
Retour à la cohorte
Enregistrement W4391486049 · doi:10.3390/en17030722

A Comprehensive Review of Compensation Control Techniques Suitable for Cascaded H-Bridge Multilevel Inverter Operation with Unequal DC Sources or Faulty Cells

2024· review· en· W4391486049 sur OpenAlexaff
P. M. Lingom, Joseph Song‐Manguelle, Jean Maurice Nyobe-Yome, Mamadou Lamine Doumbia

Notice bibliographique

RevueEnergies · 2024
Typereview
Langueen
DomaineEngineering
ThématiqueMultilevel Inverters and Converters
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésCompensation (psychology)Modularity (biology)Reliability (semiconductor)InverterSurvivabilityControl (management)Computer scienceBridge (graph theory)Scheme (mathematics)Reliability engineeringControl engineeringEngineeringVoltageElectrical engineering

Résumé

récupéré en direct d'OpenAlex

A cascaded H-bridge multilevel converter topology is the ultimate solution for energy conversion in various industrial applications due to its exceptional features, such as high modularity and fault-tolerant capability. However, two circumstances can lead to unbalanced operation of the inverter, potentially causing a decrease in its reliability and survivability: unequal DC voltage sources and faulty cells. In recent decades, scientists and engineers have conducted intensive research and meaningful studies to propose control solutions capable of maintaining the stable and continuous operation of the inverter under these operational concerns. Typically, each challenge is addressed separately using a distinct compensation control scheme in the existing literature. The paper aims to offer a comprehensive review of the existing compensation control schemes appropriate for CHBMIs operating under unbalanced conditions. It overviews the most popular control schemes and summarizes their usefulness in such scenarios. The theoretical foundations of each control scheme are presented and discussed, including their operating principles, implementation schemes, advantages, and disadvantages. The paper concludes with suggested future trends that require further research for CHBMIs’ continued growth and adoption in various industrial applications.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,818
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
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 Opus0,066
Tête enseignante GPT0,314
Écart entre enseignants0,248 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations17
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetMultilevel Inverters and ConvertersTravaux en français237 207