Model-Predictive Dual-Control Loop With Improved Current-Limiting Capability for Grid-Forming Inverter Under Grid Faults
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
Current-limiting capability is crucial for fault ride-through of grid-forming (GFM) inverters. Most current-limiting schemes for GFM inverters are implemented within classical linear controllers, which cannot guarantee optimal performance in case of emergencies like faults. Additionally, the inherent cascaded structure limits the bandwidth. The advanced model-predictive control (MPC) has been developed for power converters thanks to nonlinear objectives and constraints handling ability. One of the well-known MPCs, i.e., the finite-control-set MPC (FCS-MPC) has been employed to prevent overcurrent, which roughly includes a nonlinear penalization for current magnitude violation in the cost function. In this case, the cost function of FCS-MPC will go to infinity during faults at the expense of the voltage and current reference tracking ability, and thus, the power quality gets worse. Besides, the weighting factor design is usually a nontrivial task for MPC. To maintain the high bandwidth benefit of MPC and improve the power quality during faults, a model-predictive dual-control loop (MP-DCL) is proposed in this article. The proposed method involves the outer-voltage MPC loop to generate the optimal current reference. With the current-limiting factor applied, such a constrained reference will be tracked through the proposed inner-current MPC loop. The proposed MP-DCL expresses simple design benefits and ensures the GFM system recovers from fault to normal conditions smoothly with low overshoots and without oscillation. Experimental results verify the effectiveness of the proposed strategy through numerous comparisons with state-of-the-art solutions.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découle