MétaCan
Menu
Retour à la cohorte
Enregistrement W4411789369 · doi:10.1117/12.3067149

Research on low voltage ride-through control strategy of grid-forming PV-BESS converters based on voltage limitation

2025· article· en· W4411789369 sur OpenAlexaff
Yusheng Chen, Zongnan Jiang, Guo Lidong, Hai Yu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensPetro-Canada
Organismes subventionnairesnon disponible
Mots-clésConvertersVoltageGridPhotovoltaic systemComputer scienceElectrical engineeringControl (management)Low voltage ride throughElectronic engineeringLow voltageAutomotive engineeringEngineeringControl theory (sociology)Mathematics

Résumé

récupéré en direct d'OpenAlex

Grid-forming (GFM) photovoltaic battery energy storage (PV-BESS) systems have seen extensive deployment within renewable energy systems, owing to their remarkable attributes of operational agility and robust adaptability to weak grids. However, the fault ride-through capabilities of conventional GFM PV-BESS remain relatively feeble. When the voltage fault occurs in the grid, the grid-connected converters are highly prone to overcurrent. Therefore, considering the outer features of the electric potential source of the converters in grid-forming PV-BESS systems, this paper proposes a novel voltage-limitation-based low voltage ride-through (LVRT) control applicable to grid-forming PV-BESS systems. This method can still maintain the grid-forming characteristics of the PV-BESS systems during faults and achieve the limitation of fault currents. Ultimately, the validity of the control strategy put forward is validated through simulations.

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 enseignants0,963
Score d'incertitude au seuil0,753

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,020
Tête enseignante GPT0,281
Écart entre enseignants0,261 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrogrid Control and OptimizationTravaux en français237 207