Dual-Loop Geometric Control of Stator Flux for Improved LVRT Response in DFIG-Based Wind Turbine Systems
Notice bibliographique
Résumé
Doubly Fed Induction Generator (DFIG) based wind turbinesare particularly sensitive to grid disturbances, which has implications for overall power system stability. Grid codes require continual operation of DFIGs despite certain system disturbances. During a three-phase voltage dip, the decay of a natural flux fixed to the stator of the machine induces large voltages in the rotor windings, leading to saturation of rotor converters and potential damage to the system. This work presents a novel dual-loop state-plane based architecture to solve the stator flux transient, allowing the system to regain standard operation and power reference tracking in a fast and effective manner. An outer loop geometric controller is proposed as a framework for achieving rapid and controllable transients in the decoupled state space, and various reference geometries are considered. The proposed control structure implements a unique continuous solution for both steady state and transient operating conditions and does not require any additional hardware, switching circuits, or fault detection mechanisms. Performance-based tuning is used to determine a controller that optimizes the performance index across a variety of grid fault levels, and the resultant controller is shown to achieve rapid transient response for all fault levels, with power reference tracking achieved in under one line cycle (<inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"><tex-math notation="LaTeX">$\text{20}\,\text{ms}$</tex-math></inline-formula>) for even the most extreme grid faults. The proposed controller is supported by detailed mathematical analysis and validated by simulation results.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| 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 ».