MétaCan
Menu
Retour à la cohorte
Enregistrement W4416137122 · doi:10.1109/pesgm52009.2025.11225588

Second Order Sliding Mode Voltage Control with Classical Current Control to Enhance the Stability of Virtual Synchronous Generator

2025· article· W4416137122 sur OpenAlexafffund
Tuhin Subhra Das, U.D. Annakkage, Dharshana Muthumuni

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of WinnipegUniversity of Manitoba
Organismes subventionnairesManitoba Hydro
Mots-clésControl theory (sociology)Stability (learning theory)SIGNAL (programming language)Small-signal modelGenerator (circuit theory)Transient (computer programming)VoltageLyapunov functionSliding mode control

Résumé

récupéré en direct d'OpenAlex

The Virtual Synchronous Generator (VSG) with decoupled voltage and current control, traditionally using PI regulators, is prone to poor damping during oscillations, potentially leading to instability, particularly with varying AC network strength. Increasing the damping coefficient improves stability but can result in sluggish power responses and instability during fast-frequency events. This paper presents a novel decoupled second-order sliding mode voltage control (SOSMC) with integrated classical PI-based current control, designed to ensure stability across diverse network conditions while enabling fast frequency response. Unlike classical sliding mode control, SOSMC offers continuous control through state feedback and integral switching, addressing the limitations of traditional approaches. The equivalent control is designed using LTI-based small signal stability analysis, while the switching gain is tuned via Lyapunov stability analysis, accounting for bounded perturbations. The small signal model is validated against an EMT model developed in the commercial electromagnetic transient (EMT) simulation tool PSCAD™. Results from both small signal stability and EMT analysis demonstrate that the proposed control ensures stability over a wide range of network strengths while providing a fast-frequency response.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,004
Tête enseignante GPT0,223
Écart entre enseignants0,219 · 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 source (Gemma direct ou Codex distillé), 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'admission2
Résumé présentoui

Explorer davantage

Même sujetMicrogrid Control and OptimizationTravaux en français237 207