Fuente AC programable basada en convertidor multinivel asimétrico en cascada para la reproducción controlada de fenómenos de calidad de energía eléctrica
Bibliographic record
Abstract
La creciente integración de generación distribuida, convertidores electrónicos y cargas no lineales ha incrementado la presencia de fenómenos de calidad de energía en los sistemas eléctricos. Su estudio experimental requiere plataformas capaces de reproducir eventos bajo condiciones controladas, debido a que los registros de campo no siempre permiten imponer magnitud, duración y frecuencia definidas. Desarrollar y validar una fuente basada en convertidor multinivel para la reproducción de fenómenos de calidad de energía en laboratorio. La propuesta se implementó sobre un convertidor multinivel asimétrico y combinó un modelo analítico basado en series de Fourier con un algoritmo de optimización para obtener los estados y tiempos de conmutación requeridos. La validación se realizó mediante simulación en Matlab/Simulink y pruebas experimentales sobre una condición base de 110 V RMS a 60 Hz. La plataforma permitió reproducir de forma controlada depresión de tensión, elevación de tensión, interrupción y variación de frecuencia. En los fenómenos definidos por variación de tensión eficaz, las mediciones experimentales presentaron errores porcentuales entre 0.09 % y 3 % respecto a los valores programados. Para la frecuencia, se verificó la generación de escenarios a 58 Hz y 62 Hz, por fuera del rango nominal. La plataforma reproduce de forma controlada los cuatro fenómenos evaluados con errores en V_RMS no superiores al 3 % y un THDv experimental del 2 %, cumpliendo el límite del 5 % de IEEE 519-2022, posicionándola como alternativa de bajo costo para laboratorios.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".