Robust Distributed Secondary Control for DC Microgrids Enhancing Stability and Communication Delay Tolerance
Notice bibliographique
Résumé
Accurate power sharing and global voltage recovery are common secondary control objectives in DC microgrids (DCMGs). Distributed control outperforms centralized as it allows for plug-and-play capability and operates effectively with low-bandwidth communication. However, it remains sensitive to communication delays, compromising DCMG stability. This paper proposes an enhanced DCMG control architecture, improving its endurance against delays. Secondary control modifies droop nominal voltage to achieve its objectives through a PI controller. The PI gains have direct influences on stability and delay toleration. However, scheduling PI gains to counteract the delay comes with sluggish convergence. The proposed control hierarchy introduces derivative controllers in its structure to increase its degree of freedom. By broadening the PI gains range, communication delays are effectively addressed, thus offering more ample tuning choices that accelerate convergence. The small-signal linearized model is derived and the direct frequency domain method is used to accurately obtain the delay margin characterizing DCMG stability. Due to the transcendental delay terms in the characteristic equation, the roots' damping cannot be obtained. Thus, Pade approximation is engaged in obtaining a manageable number of roots facilitating dominant roots assessment. The proposed control hierarchy has been verified through a Controller-in-the-Loop (CIL) setup via the OPAL-RT environment.
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 ».