A Novel Intelligent Power Control Technique for a Type-3 Wind Energy Conversion System With LVRT Capability and Improved Dynamic Performance
Notice bibliographique
Résumé
This paper presents a novel neuro-fuzzy (NF) based intelligent power control (IPC) technique for a Type-3 wind energy conversion system (WECS), which can achieve low voltage ride through (LVRT) capability by managing grid side disturbance of WECS. The proposed IPC technique considers the errors between command and actual values of real and reactive powers of the stator as inputs and processes these inputs through two NF networks to generate <italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">d-q</i> axis switching signals for the switches of rotor side converters (RSCs). Additionally, a hybrid training method is developed to train the NF system parameters. The performance of the proposed control technique is tested in simulation under different grid disturbance and wind speed variations. Furthermore, a comparative study of performances is conducted between the proposed and the classical proportional-integral control technique at different operating conditions. Additionally, the stability of WECS and the effectiveness of the NF networks are investigated in this study. Furthermore, a laboratory prototype of Type-3 WECS is also built to test the performance of the proposed IPC technique in real-time using the DSP controller board DS-1104. Both the simulation and experimental results verify the LVRT capability of the IPC technique as well as its superior dynamic response with variations in wind speed.
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 | 0,000 |
| 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 ».