A Frequency Stability Improving of Microgrids Using Virtual Inertia Control Based on PID and PIDA Controller
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Traditional generating units are being increasingly replaced by renewable energy sources, which negatively affect the frequency stability and system inertia of the microgrid , thereby weakening its overall stability. Frequency stability is the key concern in islanded MG, as the integration of RESs increases the system’s sensitivity to frequency disturbance. This study presents, away to control the disturbance of MGs that are introduced due to changes in the load and variation of RESs such as wind turbine and photovoltaic . As a result of this disturbance, the rate of change of frequency is high. A load frequency control was implemented to improve the MG’s frequency. Therefore, the LFC model for MG is built on MATLAB/Simulink, then a virtual inertial controller using a battery source is added to sustain inertia MG against variations of RESs and load. Proportional-Integral Derivative and Proportional-Integral-Derivative Acceleration controllers are used in the LFC model for minimizing the frequency rate of change. The MG system is assessed under different load patterns, in addition to the power variation patterns of wind and solar generation. A comparison of the VI, PID, and PIDA controllers reveals that the PIDA controller outperforms the VI and PID controllers. In the RESs and load variation scenario, the suggested controller reduced the maximum frequency deviation from 25.68 Hz to 0.06 Hz and decreased the integral absolute error in RESs and load variation, demonstrating dynamic performance under all disturbance scenarios. Finally, the PIDA controller gave the most effective rising of frequency stability.
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.
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 | 0,001 | 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 découle