ZPUC-MMC: Real-Time Implementation with Model Predictive Control
Notice bibliographique
Résumé
With reduced number of components count, Modular Multilevel Converter (MMC) based on ZPUC converter can generate a higher number of voltage levels when compared to well-known topologies. However, the capacitors voltage balancing of ZPUC topology remains a challenge when operating as a submodule due to the high number of capacitor’s voltages to be regulated at the same time in each submodule. This becomes more complicated when several submodules operate and when no self voltage balancing can be achieved such the case of seven-level ZPUC (7L-ZPUC) converter. For this reason, Model Predictive Control (MPC), well known of its superiority in achieving multiple control objectives and superior dynamic performance is introduced in this paper as a controller for the MMC converter based 7L-ZPUC. A Finite Set Model Predictive Control method (FS-MPC) is designed to control a three-phase grid-connected MMC. The proposed FS-MPC is designed to generate thirteen-level output phase voltage and 25-level line-to-line voltages. A detailed real-time model of the converter and its suggested controller is developed and implemented in the real-time simulation software Hypersim to validate the effectiveness of the proposed predictive control. Real-time implementation results verify and demonstrate the good performance of the overall Software In the Loop (SIL) application.
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 ».