Se propone un modelo equivalente de red de captación de corriente continua en alta mar para el estudio de la susceptibilidad armónica, basado en la técnica de modelización en el dominio del tiempo discreto y en el enfoque de barrido de frecuencias en el dominio de la frecuencia. La metodología propuesta para modelar un convertidor de potencia y un sistema de captación de CC en el dominio de la frecuencia puede satisfacer los estudios de armónicos de cualquier configuración de red de parque eólico y, de este modo, encontrar un diseño adecuado de los componentes de potencia y de la red de arreglos. La metodología está pensada para permitir estudios sobre cualquier configuración de la captación de energía eólica, independientemente de la elección de la topología del convertidor, la configuración de los cables del conjunto y el diseño del control. Para facilitar el estudio de la susceptibilidad armónica, el modelado de la red de captación de CC incluye la creación del modelo armónico del convertidor de CC de la turbina y el modelado de la red del conjunto. Los armónicos de corriente dentro de la red de captación de CC se obtienen en el dominio de la frecuencia para identificar la frecuencia de resonancia de la red de matriz y los posibles problemas de amplificación de tensión, donde el modelo armónico del convertidor de la turbina se verifica mediante la comparación del modelo de conmutación del convertidor en la herramienta de simulación de circuitos PLECS™ y el banco de pruebas de laboratorio, y muestran una buena concordancia.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Estrategia de desvío basada en aprendizaje automático para tareas de computación en el borde móvil de usuarios ligeros.
Artículo:
Diagnóstico de la Enfermedad de Parkinson en el Dominio Cepstral Usando MFCC y Reducción de Dimensionalidad con Clasificador SVM
Artículo:
Sistema de Detección de Intrusos para Avanzar en Algoritmos de Aprendizaje Profundo Basados en Infraestructura de Internet de las Cosas
Artículo:
Detección de defectos en la superficie de sellos basada en el algoritmo de agrupamiento K-Means y la optimización por enjambre de partículas.
Artículo:
Un Método de Evaluación de Importancia de Nodos Autoadaptativo Basado en Entropía para Redes Complejas