Enhanced Finite Control Set Predictive Current Control for Modular Multilevel Converters
Notice bibliographique
Résumé
The forward Euler integration method has been widely adopted in the development of discrete-time models of modular multilevel converter (MMC) for the implementation of finite control-set predictive current control (FCS-PCC) methods. The use of forward Euler method-based models in FCS-PCC leads to high switching frequency operation, while minimizing the reference current tracking error. However, the high switching frequency operation leads to significant switching losses, which undesirable in high-power MMC applications. Furthermore, these models affect the controllability of submodule (SM) capacitor voltages, leading to a higher voltage ripple. To address these problems, this paper proposes Heun's integration method-based FCS-PCC for an MMC, which aims to reduce the switching frequency and SM capacitor voltage ripple, while maintaining high-quality output waveforms. The proposed approach consists of predictor and corrector stages, which help to reduce computational errors caused by mathematical models inaccuracy at large sampling rates while predicting control variables. The discrete-time models of an MMC are developed by using Heun's integration method and employed in the proposed FCS-PCC implementation to control the MMC. The performance of an MMC with the proposed FCS-PCC has been validated through MATLAB simulations and is further compared with the forward Euler method-based FCS-PCC method.
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 ».