MétaCan
Menu
Retour à la cohorte
Enregistrement W4404514926 · doi:10.1016/j.prime.2024.100844

Piecewise affine modeling of parallel boost converter in a DC microgrid and its control application by utilizing a Linear Matrix Inequality approach

2024· article· en· W4404514926 sur OpenAlex
Wakhyu Dwiono, Bambang Riyanto Trilaksono, Tri Desmana Rachmildha, Arwindra Rizqiawan

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuee-Prime - Advances in Electrical Engineering Electronics and Energy · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesKementerian Keuangan Republik Indonesia
Mots-clésAffine transformationMathematicsApplied mathematicsMicrogridBoost converterControl theory (sociology)Matrix (chemical analysis)Piecewise linear functionMathematical optimizationComputer scienceControl (management)Mathematical analysisPure mathematicsPower (physics)PhysicsArtificial intelligenceMaterials science

Résumé

récupéré en direct d'OpenAlex

The Piecewise Affine (PWA) model approximates nonlinear systems using linear models within specific regions. This approach offers advantages for designing DC microgrid control systems with linear controllers, mainly when the system includes several nonlinear DC–DC boost converters. The boundaries of the PWA model can be established using straightforward methods based on duty cycle partitions. Each duty-cycle region represents a distinct operational mode of the system characterized by unique dynamic equations. This study presents a formulation for deriving the PWA model of a parallel boost converter based on its nonlinear average dynamics resulting from the multiplication of states and inputs. An average dynamics model for the parallel boost converter is also introduced and employed in the deriving formulation. Moreover, computer simulations were conducted to analyze the PWA models of parallel boost converter dynamics, employing various partitions, comparing their behaviors among themselves and against those of the Matlab Simulink model. Furthermore, laboratory experiments were conducted by implementing a controller based on Linear Matrix Inequalities (LMI), designed using the PWA model of the parallel boost converter, to regulate the converter’s output voltage. The simulation and experimental results demonstrate that the PWA models of parallel boost converter dynamics closely align with those of the average model, making it well-suited for being controlled using a linear controller. • The mathematical model of a parallel boost converter has been studied. • The average dynamics model of the parallel boost converter has been formulated. • The PWA model of the parallel boost converter has been formulated. • The dynamic behavior of the PWA model has been analyzed through computer simulation. • An example was presented through simulation and experimental validation.

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 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 enseignants0,927
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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,003
Tête enseignante GPT0,205
Écart entre enseignants0,201 · 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