Solid-State Transformer Framework for FIDVR Mitigation and LVRT Capability Enhancement in PV-Integrated Transmission Systems
Notice bibliographique
Résumé
Critical motors in power systems are particularly vulnerable to voltage disturbances such as Fault-Induced Delayed Voltage Recovery (FIDVR), which is characterized by voltage dips and extended recovery periods. These issues can lead to motor stalling, industrial disruptions, and costly interruptions. This paper proposes a novel solid-state transformer (SST) control strategy to mitigate FIDVR, enhance motor stability, and improve low-voltage ride-through (LVRT) capability in systems with largescale photovoltaic (PV) integration. The SST employs advanced control techniques to dynamically manage active and reactive power, ensuring voltage stabilization, preventing motor stalling during faults, and maintaining system reliability. Unlike conventional solutions such as STATCOMs or SVCs, the SST integrates seamlessly with PV systems, offering superior fault mitigation and performance in renewable energy integration. Furthermore, the SST approach adheres to LVRT grid codes, ensuring compliance with voltage stability standards during fault events. MATLAB/Simulink simulations in a realistic gridconnected PV system validate the proposed approach, demonstrating its effectiveness in stabilizing voltage, maintaining critical motor operation, and addressing FIDVR. The results highlight significant improvements in system reliability, reduced downtime, and enhanced adaptability to increasing renewable penetration, establishing the SST as a transformative solution for modern power systems.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».