Performance Enhancement of DFIG Wind Farms via FACTS Filter Compensators
Notice bibliographique
Résumé
The increasing integration of wind energy systems into power grids has raised concerns related to power quality and stability, mainly due to harmonic distortions and reactive power compensation. This work introduces a novel Switched Filter Compensator (SFC) from the Flexible AC Transmission System (FACTS) devices family, employing Insulated Gate Bipolar Transistor (IGBT) switches and advanced Proportional-Integral-Derivative (PID) control techniques. The proposed SFC is specifically designed to enhance the performance of Doubly Fed Induction Generator (DFIG) wind farms by mitigating power quality issues. The proposed work is tested and validated using MATLAB/Simulink software. The simulations show significant reductions in Total Harmonic Distortion (THD) and improved power quality via varied load types, including induction motors, nonlinear loads, and R-L loads. The device’s versatility extends to maintaining stability under open and short-circuit faults and diverse load scenarios, making it applicable to real-world renewable energy systems. The proposed design offers superior adaptability, robustness, and efficiency in addressing power quality challenges, as evidenced by a comparative analysis with existing literature work, which highlights the filter’s advantages in mitigating harmonic distortions and stabilizing voltage. This study underscores the role of FACTS devices in enhancing grid stability and integrating renewable energy, paving the way for more resilient and efficient power systems. Results show a 42% reduction in reactive power, a 69% reduction in current THD, and around 10 ms recovery from grid voltage 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».