MétaCan
Menu
Retour à la cohorte
Enregistrement W4403277297 · doi:10.1109/access.2024.3476624

Enhancing the Dynamic Performance of Hybrid Photovoltaic-Battery DC Microgrid Through Piece-Wise Affine Model-Based Controller With Mode Transition Function

2024· article· en· W4403277297 sur OpenAlexaff
Wakhyu Dwiono, Bambang Riyanto Trilaksono, Tri Desmana Rachmildha, Arwindra Rizqiawan

Notice bibliographique

RevueIEEE Access · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesMinistry of Finance
Mots-clésMicrogridPhotovoltaic systemBattery (electricity)Controller (irrigation)Mode (computer interface)Computer scienceAffine transformationFunction (biology)Control theory (sociology)Electrical engineeringEngineeringPower (physics)Control (management)MathematicsPhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Solar energy utilization, in conjunction with battery systems, within stand-alone DC microgrid systems represents a significant trend. In such isolated network configurations, the voltage of the Direct Current (DC) bus experiences fluctuations: it increases when the islanded DC microgrid receives excess energy and decreases during periods of energy scarcity. Ensuring the appropriate operational mode for photovoltaic (PV) panels is crucial for maintaining the DC bus voltage within specified operational limits, guaranteeing high electrical quality, whether the power is supplied directly or converted to AC form. Furthermore, achieving balanced power sharing between the PV and the energy storage system enhances the efficiency of the energy storage workload. This study proposes a transition function to facilitate seamless switching of the PV panel’s operational mode between Maximum Power Point Tracking (MPPT) and voltage-controlled modes. This transition function is applied to the PV side converter, which adjusts the duty cycle value of both MPPT and droop mode outputs based on the microgrid’s energy adequacy condition, as determined by the DC bus voltage readings. Moreover, this study introduces a Duty Cycle Range Divider (DCRD) algorithm to derive the converter’s Piece-wise Affine (PWA) model. Subsequently, a linear quadratic regulator (LQR) controller, designed based on the PWA model, is employed alongside the transition function to enhance the DC microgrid’s dynamic performance. A similar LQR controller is applied to the battery-side converter with a battery State of Charge (SoC)-based droop control to balance the power-sharing. The proposed control strategy stabilizes the DC bus voltage and ensures a seamless response during transitions in the PV system’s operating mode. The efficacy of this strategy is validated through MATLAB Simulink simulations and laboratory-scale experiments.

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 candidatesaucune
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 enseignants0,525
Score d'incertitude au seuil0,692

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,006
Tête enseignante GPT0,214
Écart entre enseignants0,208 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetMicrogrid Control and OptimizationTravaux en français237 207