MétaCan
Menu
Retour à la cohorte
Enregistrement W4414871600 · doi:10.1109/tpwrd.2025.3616518

Finite-Time Convergent Adaptive Sliding Mode Control for Integration of VSCs Into Modernized Microgrids With Parametric and Dynamic Uncertainties

2025· article· en· W4414871600 sur OpenAlexaff
Rajdip Debnath, Gauri Shanker Gupta, Subrat Kumar Swain, Innocent Kamwa

Notice bibliographique

RevueIEEE Transactions on Power Delivery · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Robustness (evolution)MicrogridParametric statisticsConvertersLyapunov functionSliding mode controlNonlinear systemLyapunov stability

Résumé

récupéré en direct d'OpenAlex

This research article presents an innovative approach to enhance the performance and robustness of voltage source converters within microgrid systems. Existing controls suffer from slow convergence and unsatisfactory transient performance when dealing with disturbances, especially in the presence of control delay. To discourse these limitations, the proposed sliding mode controller is augmented with a nonlinear disturbance observer to enhance the disturbance elimination capability, attenuates the effect of parameter uncertainties, superior voltage reference tracking and suppressing chattering in the control response. The observer is introduced to estimate sensor values, potentially eliminating the need for dedicated sensors. The proposed control strategy employs a switching Lyapunov function-based mathematical model, addressing dynamic response limitations and switching action incorporating nonlinearities in the proposed model. By incorporating Lyapunov-based stability analysis, the article overcomes limitations and conservatisms associated with traditional linearized techniques, enabling more accurate stability assessments. Online adaptation norms are integrated to estimate and reject external disturbances, aligning closed-loop responses with reference models. Extensive numerical simulations and hardware-in-the-loop experiments validate the improved performance, highlighting the elimination of chattering and enhanced robustness against step and stochastic disturbances.

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 enseignants0,924
Score d'incertitude au seuil0,761

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,005
Tête enseignante GPT0,203
Écart entre enseignants0,198 · 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 revueIEEE Transactions on Power DeliveryMême sujetMicrogrid Control and OptimizationTravaux en français237 207