A Comprehensive Approach to Flexible LVRT Strategies for Inverter-Based PPMs Enhancing Voltage-Support, Overcurrent Protection, and DC-Link Voltage Quality
Notice bibliographique
Résumé
This paper focuses on enhancing the resilience of Power Park Modules (PPMs) connected to the grid via power electronic units under asymmetrical voltage sag conditions. We particularly address three interconnected constraints crucial for Low-Voltage Ride-Through (LVRT) capability of PPMs: grid voltage support, overcurrent protection and the DC-link voltage quality. Existing literature often overlooks the holistic consideration of these factors, prompting this study to introduce and compare three flexible LVRT strategies compliant with German grid codes. The proposed strategies use distinct approaches to reinforce the LVRT capability of the PPMs. Strategy A adopts a simple approach, utilizing static gain factors associated to the reactive current positive and negative sequences and the active current negative sequence (ACNS) injected into the grid. In contrast, Strategy B employs flexible gain factors to determine the appropriate reactive current. Moreover, an additional focus on minimizing the DC-bus voltage ripple is addressed via the injection of NSAC that completely eliminate the real power oscillations. Similarly, Strategy C calculates flexible gain factors associated to the injected reactive currents. In addition, it adopts an alternative approach to improve the DC-bus voltage quality by eliminating the ACNS limiting partially real and imaginary power oscillations. The three strategies are tested on an inverter-based PPM with 400 kW PV modules and a 200A storage system. The obtained results demonstrate the superior performance of Strategy C. Through the introduced approaches, authors feels that this research work is useful for developing the grid codes and improving the safety and reliability of grid-connected Power Systems.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».