MétaCan
Menu
Retour à la cohorte
Enregistrement W4403095783 · doi:10.1109/tpel.2024.3473849

An Efficient High-Power-Density Integrated Trap-LCL Filter for Inverters

2024· article· en· W4403095783 sur OpenAlexaff
Neda Mazloum, S. Ali Khajehoddin

Notice bibliographique

RevueIEEE Transactions on Power Electronics · 2024
Typearticle
Langueen
DomaineEngineering
ThématiquePower Line Communications and Noise
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésTrap (plumbing)Filter (signal processing)Electronic engineeringPower (physics)Power densityElectrical engineeringEngineeringPhysicsComputer science

Résumé

récupéré en direct d'OpenAlex

To improve power density of voltage-source converters, passive filters or combination of passive components known as trap filters are normally used, which are designed to block or bypass switching current harmonics to meet grid requirements. Recently, researchers have investigated the magnetic integration of trap filters into LCL structure, reducing the filter required inductance. This article proposes a novel method of integrating the trap and converter-side inductances without any electrical connections. As a result, the trap inductance does not carry the line frequency current, reducing the conduction loss. This also enables the use of modern core materials with small sizes and low core loss, resulting in further power density improvements. This method offers an additional degree-of-freedom to locate the filter resonant poles in designated frequencies and avoid triggering any harmonics. Based on this approach, it is also possible to use multiple traps coupled on a single core. The circuit models and frequency response of this filter are derived, and the design procedure is demonstrated. A comprehensive comparison with LCL filters and other integration methods is performed using FEM simulations and experimental results for a 500 W/110 V and a 5 kW/240 V inverter. The proposed filter provides the most efficient and smallest size among all the scenarios that comply with IEEE519-2020 standard.

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: aucune
Score de désaccord entre enseignants0,847
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)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,009
Tête enseignante GPT0,234
Écart entre enseignants0,225 · 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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power ElectronicsMême sujetPower Line Communications and NoiseTravaux en français237 207