Unified Fault Ride-Through Capability-Based Resilience-Aware Metrics for Grid-Forming Inverter-Based Systems
Notice bibliographique
Résumé
Various fault ride-through (FRT) strategies have been proposed to constrain the maximum current during faults to levels below predefined thresholds for grid-forming (GFM) inverters, as current limiting is the primarily required FRT capability due to its direct impact on the security of inverter semiconductors and the resilience of power systems. Additionally, the latest IEEE standards and grid codes also mandate other FRT capabilities in terms of voltages, currents, and powers to further enhance the safety, stability, and resilience of power systems. However, few existing studies have comprehensively summarized these FRT capabilities and proposed effective quantification metrics to assess them. To address these gaps, this paper presents a thorough summary of the FRT capabilities of GFM inverters and introduces a set of quantification metrics to completely evaluate these capabilities, which can also indirectly quantify the FRT capabilities' impacts on power system resilience. These metrics not only enable real-time tracking but also provide a quantitative basis for comparing distinct FRT capabilities across various FRT control strategies. Furthermore, this paper also proposes a comprehensive metric that integrates the weighted contributions of all proposed quantification measures to guide the selection of the most appropriate FRT strategy. Finally, experiments in a single GFM inverter system and simulations in large-scale power systems involving four FRT strategies demonstrate the effectiveness of the proposed quantification metrics in assessing the FRT capabilities and identifying the most suitable FRT strategy of GFM inverters under grid fault conditions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».