MétaCan
Menu
Retour à la cohorte
Enregistrement W4395961797 · doi:10.18280/jesa.570217

Enhancing Wind Energy Conversion System Performance via Sliding Mode Control and Parameter Estimation with PI-MRAS

2024· article· en· W4395961797 sur OpenAlexvenueno aff
R. Behloul, Lakhdar Mazouz, Mohamed Boudiaf, F.E. Benmohamed

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueWind Turbine Control Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMRASControl theory (sociology)Mode (computer interface)Estimation theoryWind powerEnergy (signal processing)PiComputer scienceVector controlControl (management)EngineeringMathematicsVoltageElectrical engineeringAlgorithmStatisticsArtificial intelligenceInduction motor

Résumé

récupéré en direct d'OpenAlex

The purpose of this paper is to investigate a wind power system utilizing a doubly fed induction generator (DFIG).In this configuration, the stator is directly connected to the grid, while the rotor is linked to the grid via a back-to-back converter.The primary aim is to develop a decoupled control system for the DFIG to improve power quality.To achieve this goal, we introduce a robust control technique as a means to control the reactive and active power of DFIG.This technique is known as sliding mode control.Furthermore, we propose a model-reference adaptive system estimator based on proportional and integral controllers (PI-MRAS) for sensor-less control of DFIG.This estimator is designed to accurately approximate the rotor resistance.The proposed control strategies enhance the performance of the wind energy conversion system, particularly considering variations in the machine's parameters.Simulation results demonstrate the high performance and robustness of control strategies.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,450
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,006
Tête enseignante GPT0,196
Écart entre enseignants0,190 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetWind Turbine Control SystemsTravaux en français237 207