Optimal Voltage Level-Based Sequential Predictive Current Control With Reduced Complexity for Multilevel Inverters
Notice bibliographique
Résumé
The conventional Euler-based sequential predictive current control (SPCC) methods for multilevel inverters (MLIs) have aimed to minimize computational complexity, resulting in higher flying capacitor (FC) voltage ripples and poor transient response. These methods typically employ either cost function with weighting factors or offline selection of voltage vectors to reduce the common-mode voltage (CMV). However, improper weighting factor selection and the presence of CMV term in ac current models negatively impact MLI harmonic performance. To address these issues, a new SPCC formulation is proposed, enabling direct estimation of the optimal voltage level based on reference ac currents. This approach eliminates the need for a cost function in ac currents control and simultaneously reduces both computational complexity and CMV. By removing ac current model's dependency on CMV, the proposed formulation further enhances MLI harmonic performance. The mathematical formulation of the proposed SPCC is presented for a four-level inverter (FLI) with both passive and motor drive loads in this study. During the formulation, the Heun's integration method is employed to develop FLI's FC voltage discrete-time models. The performance of the proposed SPCC is demonstrated experimentally on a dSPACE-DS1103 controlled FLI with passive load laboratory prototype. It is further compared with the conventional SPCC methods and their performances are evaluated comprehensively on the laboratory prototype.
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 | 0,001 |
| 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 ».