Detailed Nonlinear Modeling and High-Fidelity Parallel Simulation of MMC With Embedded Energy Storage for Wind Farm Grid Integration
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Integration of renewable energy is increasingly prevalent, yet its stochasticity may compromise the stability of the power system. In this paper, a high-voltage dc (HVDC) link model based on the modular multilevel converter with embedded energy storage (MMC-EES) is presented and, utilizing the massively parallel computing feature of the graphics processing unit (GPU), its efficacy in compensating a varying wind energy generation is studied. Constant power is oriented in the inverter control by incorporating a DC-DC converter with EES into its submodules. High-fidelity electromagnetic transient modeling is conducted for insights into converter control and energy management. A fully iterative solution is carried out for the nonlinear model for high accuracy. Since the sequential data processing manner of the central processing unit (CPU) is prone to an extremely long simulation following an increase of component quantity with even one order of magnitude, the massively concurrent threading of the GPU is exploited. The computational challenges posed by the complexity of the MMC circuit are effectively tackled by circuit partitioning which separates nonlinearities. In the meantime, components of an identical attribute are designed as one kernel despite inhomogeneity. The proposed modeling and computing method is applied to a multi-terminal DC system with wind farms, and significant speedups over CPU-based simulation are achieved, with the accuracy validated by the offline simulation tool PSCAD <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">TM</sup> .
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.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 découle