MétaCan
Menu
Retour à la cohorte
Enregistrement W4409327205 · doi:10.1109/tpwrd.2025.3559001

Comparative Analysis of Negative Sequence Behavior in Grid-Following and Grid-Forming Inverters: Modeling, Control, and Protection

2025· article· en· W4409327205 sur OpenAlexaff
Xinquan Chen, Ilhan Koçar, Siqi Bu, Evangelos Farantatos, Aboutaleb Haddadi

Notice bibliographique

RevueIEEE Transactions on Power Delivery · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Data Storage Technologies
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésGridSequence (biology)Control (management)Power gridComputer scienceEngineeringElectronic engineeringControl theory (sociology)Power (physics)MathematicsPhysicsArtificial intelligenceChemistry

Résumé

récupéré en direct d'OpenAlex

Grid-forming (GFM) controls are expected to enhance the stability of power systems with high penetration of inverter-based resources (IBRs). However, during unbalanced grid conditions, GFM controls alter the magnitude and angle of the negative sequence current contributed by IBRs, differing from grid-following (GFL) controls and synchronous generators. This behavior may not be in line with fault ride-through (FRT) requirements and cause maloperation of certain protection elements. This paper clarifies the fundamentals and impacting factors of GFL and GFM inverters in the negative sequence system using phasor-domain analytical models. A simplified impedance computation method for GFM inverters is proposed, and FRT control solutions for GFM and GFL inverters are implemented for balanced positive sequence control (BPSC) and positive and negative sequence control (PNSC) schemes. Comparative studies using the IEEE PSRC D29 system reveal that the magnitude and angle of negative sequence impedance are primarily determined by the inner voltage control parameters under the GFM BPSC scheme. Depending on the settings, GFM inverters can provide significant negative sequence reactive current under the BPSC scheme as opposed to GFL inverters. On the other hand, IBRs should still rely on PNSC strategies to regulate the negative sequence system response appropriately and in coordination.

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 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 candidatesaucune
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 enseignants0,623
Score d'incertitude au seuil0,740

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,032
Tête enseignante GPT0,286
Écart entre enseignants0,254 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power DeliveryMême sujetAdvanced Data Storage TechnologiesTravaux en français237 207