Construction and Grid-Connection Control Verification of SVG Simulation Model for Power Collection Systems
Notice bibliographique
Résumé
With the increasing grid-connection applications of power collection systems, their power electronic devices are prone to introducing reactive power loss, which affects the power quality of the power grid. A Static Var Generator (SVG) is therefore required to ensure grid-connection performance. This paper designs the SVG main circuit for power collection systems based on a voltage-source bridge circuit. Under ideal assumptions, a mathematical model in the abc coordinate system is established, where the on-off characteristics of devices are described by switching functions. A decoupled model in the dq coordinate system is then derived through 3s/2s and 2s/2r coordinate transformations. A grid voltage-oriented double closed-loop control strategy is adopted: the outer loop stabilizes the DC-side voltage using a PI controller, the inner loop tracks reactive current, and an intermediate voltage is introduced to eliminate variable coupling. Meanwhile, SPWM and SVPWM modulation modules are constructed. A simulation model is built based on MATLAB/Simulink (grid line voltage 400V, load 200kW active power/100kvar reactive power, grid-connection inductor 1mH, DC voltage 800V). The results show that: without SVG, the grid power factor is 0.894; after SVG operation, the voltage and current phases align within 0.15s, the power factor approaches 1, and the DC voltage stabilizes at 800V within 0.07s. The current THD is 1.49% with SPWM modulation and decreases to 1.30% with SVPWM. The research indicates that the SVG simulation model can meet the reactive power compensation requirements of power collection system grid-connection, improving the power quality and stability of the grid-connection side.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,005 |
| 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 ».