MétaCan
Menu
Retour à la cohorte
Enregistrement W7128807924 · doi:10.1109/spec64875.2025.11377699

An Enhanced Control Strategy for Three-Phase PFC Converter Integrated with DAB-Based Level-3 EV Chargers Under Non-Ideal Grid Conditions

2025· article· W7128807924 sur OpenAlexaff
V.S.R. Varaprasad Oruganti, Sheldon S. Williamson

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueAdvanced DC-DC Converters
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésPower factorControl theory (sociology)Rectifier (neural networks)HarmonicAC powerController (irrigation)HarmonicsPower (physics)Transient (computer programming)

Résumé

récupéré en direct d'OpenAlex

This paper proposes an enhanced control strategy for a three-phase, two-level power factor correction (PFC) rectifier cascaded with a dual-active-bridge (DAB) DC-DC stage for Level-3 electric vehicle (EV) chargers. High-power fast chargers require a near-unity power factor and compliance with IEEE-519 harmonic standards. The proposed system employs silicon-carbide (SiC) MOSFETs and a voltage-oriented control framework with a Type-II compensator for outer DC-link regulation and synchronous dq-frame current control. Space Vector PWM (SVPWM) is implemented using a projection-based algorithm that eliminates trigonometric computations and sector detection by directly projecting the reference vector with symmetric zero-vector timing, resulting in a compact, real-time-friendly solution. The stabilized DC-link voltage drives the DAB converter under single-phase shift modulation. Real-time simulation studies on OPAL-RT demonstrate fast transient response, IEEE-519 compliant current quality, and near-unity power factor. The proposed controller outperforms conventional PI-based SRF methods and maintains robust performance even under non-ideal grid conditions, confirming its suitability for high-power EV charging.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

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 savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,019
Tête enseignante GPT0,297
Écart entre enseignants0,277 · 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