MétaCan
Menu
Retour à la cohorte
Enregistrement W4399881357 · doi:10.1109/access.2024.3417179

Variable Window Size Moving Average Filter for Phase-Locked-Loop Synchronization

2024· article· en· W4399881357 sur OpenAlexaff
Pooya Taheri, Jalal Amini, Mehrdad Moallem

Notice bibliographique

RevueIEEE Access · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueNetwork Time Synchronization Technologies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésLoop (graph theory)Control theory (sociology)Synchronization (alternating current)Window (computing)Phase (matter)Phase-locked loopComputer scienceVariable (mathematics)MathematicsTelecommunicationsPhysicsArtificial intelligenceJitterControl (management)

Résumé

récupéré en direct d'OpenAlex

Efficient grid synchronization is crucial for integrating renewable energy sources and Flexible AC Transmission systems (FACTs) into power grids. This paper addresses the challenges faced by Synchronous Reference Frame Phase-Locked Loops (SRF-PLLs) in harmonic-polluted grids and proposes a novel solution employing Moving Average Filters (MAFs). The conventional MAF-PLL with a fundamental period window size provides harmonic rejection but slows down the dynamic response. To enhance MAF-PLL performance under harmonic-polluted grid conditions, we introduce a Variable Window Size (VWS) MAF. The proposed VWS-MAF adapts its window size based on the dominant frequency of oscillation in the dq frame, determined using Short-Time Fourier Transform (STFT). The proposed method ensures minimum window size, based on grid conditions, which improves the dynamic response while maintaining harmonic rejection capabilities. The proposed method offers improved adaptability and promising performance in elimination of integer harmonics, DC offset, interharmonics, and negative sequence component. Simulation and experimental studies are presented that demonstrate the effectiveness of VWS-MAF, positioning it as a noteworthy advancement in PLL technology for robust grid synchronization.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,020
Tête enseignante GPT0,298
Écart entre enseignants0,278 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetNetwork Time Synchronization TechnologiesTravaux en français237 207