MétaCan
Menu
Retour à la cohorte
Enregistrement W4394837327 · doi:10.3390/cleantechnol6020024

Wind–PV–Battery Hybrid Off-Grid System: Control Design and Real-Time Testing

2024· article· en· W4394837327 sur OpenAlexaff
Miloud Rezkallah, Ambrish Chandra, Hussein Ibrahim

Notice bibliographique

RevueClean Technologies · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensÉcole de Technologie SupérieureInnovation, Science and Economic Development Canada
Organismes subventionnairesnon disponible
Mots-clésMaximum power point trackingPhotovoltaic systemController (irrigation)Permanent magnet synchronous generatorEngineeringPower electronicsTurbineComputer scienceInverterControl theory (sociology)VoltageElectrical engineeringControl (management)

Résumé

récupéré en direct d'OpenAlex

The paper presents the design and implementation of decentralized control for a PV–wind–battery hybrid off-grid system with limited power electronics devices and sensors. To perform well without using any maximum power point tracking (MPPT) technique from the wind turbine (WT) based on a permanent-magnet brushless DC generator (PMBLDCG) and solar panels (PVs) and balance the power in the system, a cascade control structure strategy based on a linear active disturbance rejection controller (LADRC) is developed for the two-switch DC-DC buck-boost converter. Moreover, to ensure an uninterruptible power supply to the connected loads with a constant voltage and frequency, a cascade d-q control structure based on LADRC is developed for the interfacing single-phase inverter. Furthermore, the modeling and controller parameters design are presented. The performance under all operation conditions of the hybrid off-grid configuration and its decentralized control is validated by simulation using MATLAB/Simulink and in real-time using a small-scale hardware prototype.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
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)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,008
Tête enseignante GPT0,177
Écart entre enseignants0,169 · 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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClean TechnologiesMême sujetMicrogrid Control and OptimizationTravaux en français237 207