MétaCan
Menu
Retour à la cohorte
Enregistrement W7117579833 · doi:10.1109/isgteurope64741.2025.11305251

CPU/FPGA-Based Real-Time Co-Simulation Framework for Large-Scale Solar Power Plants

2025· article· W7117579833 sur OpenAlexaff
Siavash Yari, Morad Yazdani, Innocent Kamwa, Abbas Rabiee

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueReal-time simulation and control systems
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésPhotovoltaic systemConvertersSolverSoftwarePower (physics)Solar trackerMaximum power point trackingGridSolar powerSolar cell

Résumé

récupéré en direct d'OpenAlex

This article proposes a co-simulation technique to enable coupling between the CPU and FPGA, aimed at overcoming the limitations of the fourth-generation (Gen 4) electric hardware solver (eHS) when using the built-in solar cell model from the Simscape/Power Systems (SPS) library in MATLAB/Simulink. In this paper, a large-scale solar power plant (LSSPP) is developed, consisting of two arrays along with associated control systems such as the current controller, power controller, and maximum power point tracking (MPPT) controller, for real-time simulation using co-simulation between CPU and FPGA. Specifically, all controllers and solar array models are implemented in the CPU environment, while the high-frequency power electronic converters and the external grid are modeled in the FPGA (or eHS) environment. For real-time simulation, the OP4510 real-time simulator from OPAL-RT Technologies and RT-LAB software are utilized, achieving a simulation time step as small as 295 ns. Three scenarios are examined: step changes in reference setpoints of controllers, switching for different frequencies (5 kHz to 100 kHz), and short-circuit faults. Finally, for a comprehensive assessment, these scenarios are validated using the SPS library in MATLAB/Simulink.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,972
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,009
Tête enseignante GPT0,278
Écart entre enseignants0,269 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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 sujetReal-time simulation and control systemsTravaux en français237 207