MétaCan
Menu
Retour à la cohorte
Enregistrement W6948285823 · doi:10.48336/d6pr-4573

Advanced AC-AC, AC-DC and DC-DC power electronics converters for smart grid

2025· article· en· W6948285823 sur OpenAlexaff

Notice bibliographique

RevueMemorial University Research Repository (Memorial University) · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésAutotransformerPower electronicsConvertersBoost converterForward converterNegative impedance converterTransformerVoltageSwitched-mode power supply

Résumé

récupéré en direct d'OpenAlex

Converters and controllers of power electronics are the lifeblood of many emerging technologies in manufacturing, information technology and more. This thesis investigates the design, analysis, and implementation of advanced AC-AC, AC-DC and DC-DC power electronics converters for high voltage gain and voltage sag/swell compensation in power grids. Firstly, direct single-phase AC-AC converter by using an auto transformer approach and impedance network is presented. It has buck-boost operation in a single-stage direct AC-AC conversion. The high voltage gain is enabled through magnetic coupling and turn ratios of coupled transformer. Notably, it employs a coupled transformer, achieving high voltage gain while maintaining an optimal switching duty ratio, with a 1:1 unity turn ratio. Secondly, AC-DC converter with three output terminals for use in the DC applications is explained. This converter converts an input AC voltage into two output DC voltages. The output DC voltages can be obtained higher or lower than the input AC voltage. The proposed converter with four active switches is analyzed in detail, and control strategies are developed. Finally, a switched-inductor A-source DC-DC converter with an impedance network is presented. The operations of topology are based on the autotransformer technique, which are effective for a wide range of applications due to better DC voltage gain. This network achieves higher voltage gain with less switching duty cycle by using a minimal turns ratio rather than other magnetically coupled impedance source networks. The previous converters usually have high total harmonic distortion (THD) due to discontinuous input current and are not able to operate in buck-boost mode simultaneously. Integrated circuits are becoming smaller, but existing power electronics converters are still inefficient, large, and expensive. Thus, proposed converters have simple structures, operations and share a common ground between the input and output, which enhances the reliability of the power conversion systems. Experimental results are obtained to validate the operations and effectiveness of the proposed converters for the power grids.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,020
Tête enseignante GPT0,254
Écart entre enseignants0,234 · 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'étudeExpérimental (laboratoire)
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 revueMemorial University Research Repository (Memorial University)Même sujetSpecies Distribution and Climate ChangeTravaux en français237 207