Per-Phase Unsymmetrical Adaptive Derivative Optimized Droop for Mitigating Voltage Quality Issues of Unbalanced Islanded Microgrids
Notice bibliographique
Résumé
The proliferation of unbalanced linear and nonlinear loads in microgrids degrades the voltage quality at the inverter terminals, and thus, load terminals receive unbalanced and distorted voltages. To alleviate these voltage quality issues, this paper proposes a per-phase unsymmetrical adaptive derivative optimized droop control scheme for unbalanced islanded microgrids (UIMG). The proposed controller is coupled with a per-phase unsymmetrical virtual impedance (UVI) to mitigate the unbalance of the inverter-based UIMG. Additionally, a proportional multi-resonant (PMR) controller is adopted to compensate for the voltage distortion. To improve the UIMG dynamics response while changing the loading states, derivative terms of active and reactive powers are added to the proposed control. The derivative gains are adaptively updated with the change in the microgrid loading to achieve the desired transient response. The proposed scheme is formulated as a multi-objective optimization problem to determine the per-phase unsymmetrical droop settings and UVI that fit different loading states simultaneously. Several case studies are designed to test the effectiveness of the proposed control scheme under different types of disturbances and operating conditions. The cases are conducted on the IEEE 34-bus benchmark power distribution feeder with a combination of unbalanced linear and nonlinear loads. Moreover, the proposed control is validated using real-time simulations carried out in OPAL-RT system. The results show that the proposed control scheme is capable of mitigating voltage quality issues by reducing the voltage unbalance factor and voltage distortion.
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 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».