Dynamic Stability Analysis of a Simplified Neuro-Fuzzy Direct Torque Control Scheme for a Grid-Connected DFIG-WECS With Improved Performance and Reduced Computation
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
This paper presents a simplified neuro-fuzzy torque control (NFTC) scheme for a grid-connected doubly fed induction generator (DFIG) with enhanced stability while reducing the computational burden. The proposed NFTC scheme processes the torque and flux errors between the actual torque and flux and their respective references to produce switching signals to the Rotor Side Converter (RSC). Furthermore, the NF structures utilized by the proposed NFTC scheme are more simplified as they consider single input to generate control signal. A systematic analysis related to the computational burden of the NF networks is performed to prove the reduced computation related to proposed NFTC. A hybrid training algorithm is also developed to train the parameters of the proposed NF structures based on the data obtained from the classical PI controller incorporating system uncertainties. The stability analysis of the WECS incorporating the proposed NFTC scheme is accomplished by estimating the system to a second order linear time invariant system. Furthermore, the trajectories of generator torque and flux are analyzed considering grid voltage fluctuation to verify the global stability of the WECS. The performance of the NFTC is investigated in simulation using MATLAB-Simulink at various operating conditions such as wind speed change and grid voltage variations. The efficacy of the NFTC is also verified experimentally using laboratory prototype and DSP board DS1104. Both simulation and real-time results confirm the satisfactory performance of the proposed NFTC scheme.
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 | 0,001 |
| 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 découle