Fault-Tolerant Observer-Based Control of Dynamic Virtual Power Plants
Notice bibliographique
Résumé
Utilizing more inverter-based resources (IBRs) in modern power systems decreases their overall inertia and stability margin. Additionally, IBRs typically generate less power compared to traditional fossil-fuel-based plants. This forces them act as price followers in the energy market. These challenges are addressed by utilizing the concept of a dynamic virtual power plant (DVPP). On the other hand, the performance of DVPP is explicitly influenced by the sources' controllers, system uncertainties, and faults. This paper suggests a novel hierarchical observer-based fault-tolerant controller for the DVPPs. The proposed approach comprises three parts of setpoint design, state and fault observer, and robust controller. The setpoint design part allows for choosing the proper operating state and input for each source from its dynamical reference model. The state and fault observer facilitates estimating the system information from its measurable outputs. And, the controller is robust against external disturbance. The controller and observer gains are computed by solving a set of linear matrix inequalities (LMIs). Compared to state-of-the-art methods, the proposed approach does not integrate the dynamical reference and the source models, which reduces the complexity of the design procedure and eases the expandability of the DVPP. Moreover, in contrast to recent works, this paper involves the effect of an actuator fault in the design procedure. The effectiveness of the approach is validated through simulation studies to improve the reliability of the faulty DVVP in generating expected power.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».