Intelligent Performance Assessment of Multilevel Converter-Based Active Filters in PV-Integrated Smart Grids
Notice bibliographique
Résumé
The rapid integration of photovoltaic (PV) systems into modern power grids has intensified challenges in power quality, particularly harmonic distortion, reactive power imbalance, and stability under fluctuating solar and load conditions. Shunt Active Power Filters (SAPFs) are a proven solution, yet their performance strongly depends on converter topology. This paper presents an intelligent performance assessment of two-level (2 L) and three-level (3 L) converter-based SAPFs for PV-integrated smart grids. A complete MATLAB/Simulink model is developed, incorporating MPPT-based PV generation, nonlinear loads, and dynamic test cases of irradiance variation and unbalanced conditions. Results demonstrate that while the 2L SAPF improves power quality with a source current THD of $\mathbf{1 4. 4 5 \%}$ and power factor (PF) of $\mathbf{0. 9 4}$, the $\mathbf{3 L}$ SAPF achieves far superior performance, reducing THD to 1.17% ($\approx 92 \%$ improvement), raising PF to 0.99, and enhancing dynamic response by 37%. Furthermore, under solar irradiance stepdown and unbalanced nonlinear load conditions, the 3L SAPF maintains nearly sinusoidal and balanced source currents, validating its robustness for real-world PV applications. These findings confirm that multilevel SAPFs are more suitable for medium- and high-power PV systems, offering improved efficiency, reliability, and compliance with grid standards.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».