MétaCan
Menu
Retour à la cohorte
Enregistrement W7116935175 · doi:10.1109/sepoc67005.2025.11297628

Gain-Scheduled Control of a Quadratic Boost Dc-Dc Converter for Photovoltaic Applications

2025· article· W7116935175 sur OpenAlexaff
Luís E. P. S. B. Háteras, Rafael C. Neto, Fabrício Bradaschia, Leornado R. Limongi, Eduardo A. O. Barbosa

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueAdvanced DC-DC Converters
Établissements canadiensIndependent Electricity System Operator
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésConvertersDuty cycleControl theory (sociology)Photovoltaic systemRobustness (evolution)Parametric statisticsQuadratic equation

Résumé

récupéré en direct d'OpenAlex

The growing demand for energy efficiency has driven the use of switched converters, especially high-gain DCDC converters in photovoltaic applications. In this context, this paper presents the modeling and control design for a non-isolated high-gain DC-DC boost converter. Based on the state-space representation of the converter, the small-signal average model is obtained and validated through frequency response analysis using MATLAB/Simulink, demonstrating high accuracy. Furthermore, a gain-scheduled control system is proposed to ensure stable operation and adequate performance for PV applications over a wide duty cycle range, covering a range from 20 % to 100 % of the rated output power. This system employs a Proportional-IntegralDerivative controller with an additional pole (PID+p) for the duty cycle range from 0.195 to 0.63, while an Integral (I) controller is responsible for the range from 0.63 to 0.75. Simulation results using MATLAB/Simulink demonstrate the effectiveness of the proposed gain-scheduled control system, showing superior performance compared to classical controllers without switching. The system also exhibits high robustness to parametric variations in the load and effective rejection of input 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 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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

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 savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,007
Tête enseignante GPT0,244
Écart entre enseignants0,237 · 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'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced DC-DC ConvertersTravaux en français237 207