MétaCan
Menu
Retour à la cohorte
Enregistrement W4415664097 · doi:10.1016/j.epsr.2025.112206

Sustained oscillations of grid-forming IBRs under unbalanced perturbation: Modal analysis and EMT studies

2025· article· en· W4415664097 sur OpenAlexaff
Xinquan Chen, Tao Xue, Ilhan Koçar, Siqi Bu, Maxime Berger

Notice bibliographique

RevueElectric Power Systems Research · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversité du Québec à RimouskiPolytechnique Montréal
Organismes subventionnairesHong Kong Polytechnic UniversityUniversity Grants Committee
Mots-clésControl theory (sociology)Transient (computer programming)ModalModal analysisStability (learning theory)Electric power systemSystem dynamicsControl system

Résumé

récupéré en direct d'OpenAlex

• A novel decoupled-sequence model for GFM-IBRs is developed and validated. • Negative-sequence components degrade system oscillatory mode performance. • Modal analysis revealed oscillations caused by 2ω negative-sequence components. • Negative-sequence control enhances damping and improves system stability. • EMT studies confirm model accuracy under small unbalanced perturbations. Grid-forming inverter-based resources (GFM-IBRs) are considered crucial for power systems with high penetration renewable energy, but their negative sequence behavior under small perturbations remains understudied. This paper proposes a novel decoupled sequence dynamic modeling approach for GFM-IBRs incorporating double-fundamental-frequency negative-sequence components. Using eigenvalue-based stability assessment (EBSA) and electromagnetic transient (EMT) simulation, we reveal that: 1. The proposed modeling approach accurately captures GFM-IBR dynamics under unbalanced small-scale perturbations. 2. Negative-sequence components significantly impact system oscillatory modes. 3. Implementing additional negative-sequence control improves system damping. These findings provide new insights for designing robust GFM-IBR controls and enhancing stability in systems hosting high-penetration renewable 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 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)0,001
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 enseignants0,657
Score d'incertitude au seuil0,398

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
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 Opus0,019
Tête enseignante GPT0,317
Écart entre enseignants0,297 · 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 revueElectric Power Systems ResearchMême sujetMicrogrid Control and OptimizationTravaux en français237 207