MétaCan
Menu
Retour à la cohorte
Enregistrement W7133515890 · doi:10.1109/icpee65973.2025.11411166

Novel Control of Unified Power Flow Controller Using Modified Invasive Weed Optimization based PI Controllers

2025· article· W7133515890 sur OpenAlexaff
G Tulasichandra Sekhar, K. G. Srinivasan, Ch. Lokeshwar Reddy, K Saneep, Pareshwar Prasad, U. Esakkiammal, Patil Mounica, Ajay Sudhir Bale, Kandi Bhanu Prakash

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensHorizon College and Seminary
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Controller (irrigation)Power (physics)Control systemControl (management)Power flow

Résumé

récupéré en direct d'OpenAlex

Electrical transmission system especially AC system is commonly established in many countries to transmit electric power from one location to another location efficiently. In order to make AC transmission system efficiently to transmit more power at rated voltage, FACTS devices are commonly employed at various locations. Among many, UPFC device is frequently employed to make better power flow in the transmission system. This UPFC is facilitated between generating unit and distribution system. Two converters are linked with a common dc-link to establish an UPFC device and proper control methodology will be implemented to make an efficient power flow from generation to distribution point. A novel control methodology must be incorporate to achieve an effective operation under various operating conditions. Proposed control methodology utilized various PI controllers and generally conventional PI controllers may suffer from constant gains. Hence, MIWO is developed to update gains of various PI controllers utilized in the proposed control method. Results in terms of convergence are compared among proposed MIWO with existing GWO and ACO methods. MATLAB/Simulink platform is used to simulate the proposed methodology and presented various results under different operating conditions. Comprehensive responses are included in the results section, accompanied by thorough analysis across multiple case studies.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,965
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,015
Tête enseignante GPT0,226
Écart entre enseignants0,211 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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 sujetPower System Optimization and StabilityTravaux en français237 207