MétaCan
Menu
Retour à la cohorte
Enregistrement W4392889498 · doi:10.1002/9781119890881.ch25

Real‐Time Simulations of Microgrids: Industrial Case Studies

2024· other· en· W4392889498 sur OpenAlexaff
Hui Ding, Xianghua Shi, Yi Qi, Christian Jegues, Yi Zhang

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineEngineering
ThématiqueReal-time simulation and control systems
Établissements canadiensRTDS Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer scienceEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Microgrids require multiple tiers of control and protection to function as both a seamless part of the utility grid and as resilient independent networks capable of supplying local critical loads. The real-time simulation allows engineers to model the behavior of microgrids over a large frequency range in real-time. This allows real microgrid control and protection, as well as physical DERs and their converters, to be connected to the simulated network and tested to significantly reduce risk and improve performance prior to deployment ( https://www.rtds.com/applications/microgrids-renewable-energy/). Power electronic converters are widely accepted as energy conversion in microgrids and system integration. This presents a significant challenge for controller hardware-in-the-loop (CHIL) testing on the real-time digital simulator, especially for high-frequency switching converters. To ensure the correct functionality of the designed systems, a high-fidelity converter model should be developed in the Real-Time Simulator (RTS). This chapter proposed a new universal converter model (UCM) for the RTS. The UCM adopts the descriptor state-space (DSS) method to guarantee numerical stability and power balance. The switching function provides more flexibility to the converter model. It can accept the regular/improved firing pulse [] or the modulation waveforms directly, which can be referred to as the detailed switching converter model and averaged converter model respectively. Also with a predictive resistive switching algorithm, the converter could be represented properly in the blocked mode. With the implementation of the new model in a Real-Time Digital Simulator (RTDS), an aircraft microgrid system and the Banshee microgrid system are demonstrated to show the feasibility of RTDS for the industrial case studies. The aircraft microgrid is simulated in the SubStep environment with several microseconds due to the higher frequency switching requirements. The banshee microgrid system can be run in a larger time step environment with 50 μ s, as the converter can be represented with modulation waveform inputs which are equal to the average model.

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)0,001
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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,030
Tête enseignante GPT0,283
Écart entre enseignants0,253 · 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
GenreAutre

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetReal-time simulation and control systemsTravaux en français237 207