Dynamic Threshold-Based Event-Triggered Strategy for Robust Fully Distributed Control in Renewable-Powered DC Microgrids
Notice bibliographique
Résumé
This paper presents a novel Fully Distributed Adaptive Observer-Based Event-Triggered (FDAOET) secondary control strategy for islanded DC microgrids (MGs) that achieves accurate voltage restoration and proportional current sharing while optimizing communication efficiency without compromising system resilience. Unlike conventional static or heuristic event-triggered (ET) schemes, and even existing dynamic ET methods that rely on fixed structures or global parameters, the proposed strategy employs an observer-based, state-aware triggering mechanism. Each distributed generator (DG) transmits data only when the deviation between its internal observer estimate and local measurement exceeds an adaptively evolving threshold governed by an ordinary differential equation (ODE). This formulation enables robust, context-aware communication scheduling that maintains estimation accuracy under noise, parameter uncertainties, and network variability. Additionally, the proposed method explicitly incorporates bounded communication and actuation delays into both the triggering and control design, ensuring reliable operation under realistic conditions. The FDAOET strategy is fully distributed and topology-independent, requiring no global information such as Laplacian matrices, thereby supporting plug-and-play scalability. Zeno behavior is rigorously avoided, and system stability is proven using Lyapunov methods. Simulation results in MATLAB/SimPowerSystems demonstrate superior performance in terms of convergence speed, voltage accuracy, current sharing, and significant reduction in communication events compared to static, dynamic, and delay-unaware ET methods.
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 | 0,001 |
| 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 ».