MétaCan
Menu
Retour à la cohorte
Enregistrement W4409985752 · doi:10.1109/ojia.2025.3565826

Black-Start and Hot-Swap Performance Assessment and Improved Control Strategy for Grid-Forming VSC and CSC-Based PV Systems

2025· article· en· W4409985752 sur OpenAlexafffund
Md. Mizanur Rahman, Yasser Abdel‐Rady I. Mohamed

Notice bibliographique

RevueIEEE Open Journal of Industry Applications · 2025
Typearticle
Langueen
DomaineEnergy
ThématiquePower Systems and Renewable Energy
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSwap (finance)GridComputer scienceControl (management)Automotive engineeringEngineeringBusinessMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The grid-forming (GFM) control of voltage-source converter (VSC)-based photovoltaic (PV) systems has shown promise in supporting the grid frequency and inertia. However, the literature lacks GFM control development for current-source converter (CSC)-based PV systems and comparisons with the VSC counterpart. In particular, previous studies did not address dynamic performance assessment and comparison under critical operating conditions, such as black-start (autonomous power system restoration) and hot-swap capability (the transition between isolated and grid-tied modes). Furthermore, previous research did not address the dc- and ac- side stability differences among VSC- and CSC-based GFM PV systems. This paper addresses these research gaps by differentiating the dynamic performance and stability of GFM VSC- and CSC-based PV systems under different operating conditions. Further, this paper presents active compensators for both GFM systems to enhance their dynamic performance and stability. Compared to the GFM VSC, the GFM CSC provides a better frequency profile under black-start and hot-swap conditions, improved robustness under grid impedance variation, and inherent fast current limitation under faults. Detailed offline and real-time simulation results validate the comparative analysis and the effectiveness of the proposed active damping methods for both GFM systems.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,027
Tête enseignante GPT0,313
Écart entre enseignants0,287 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Open Journal of Industry ApplicationsMême sujetPower Systems and Renewable EnergyTravaux en français237 207