MétaCan
Menu
Retour à la cohorte
Enregistrement W4396898407 · doi:10.1002/cta.4057

Capacitance health monitoring in the modular multilevel converter using a method with minimum number of sensors and computational burden

2024· article· en· W4396898407 sur OpenAlexaff
Mahsa Zoraghi‐Jedi, S. Masoud Barakati, Mohsen Rahmani‐Haredasht, Vahid Barahouei, Amirnaser Yazdani

Notice bibliographique

RevueInternational Journal of Circuit Theory and Applications · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueHVDC Systems and Fault Protection
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésModular designCapacitanceComputer scienceElectronic engineeringEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Summary This paper proposes a method for capacitance health monitoring (CHM) of submodule capacitors in modular multilevel converters (MMCs) that uses a reduced number of voltage sensors. In the proposed method, the MMC arms are divided into some groups of submodules and one voltage sensor is used for each group. In addition, a capacitor voltage estimation technique with minimal computational complexity is used to determine the capacitor voltage. The ratio of the estimated to measured capacitor voltage during positive arm current is also used to demonstrate a simple and efficient capacitance monitoring method. Moreover, contrary to the limitations associated with traditional CHM methods, the proposed method reduces the required voltage sensors and minimizes data exchange between the power system and the central processor. The effectiveness of the proposed method is validated through simulation and experimental results under various operating conditions.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,729
Score d'incertitude au seuil0,186

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,021
Tête enseignante GPT0,319
Écart entre enseignants0,298 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Circuit Theory and ApplicationsMême sujetHVDC Systems and Fault ProtectionTravaux en français237 207