logo móvil
Contáctanos

Algoritmo de búsqueda rápida basado en control predictivo de modelo directo de inversor multinivel de 289 niveles conectado a la red

Autores: Baig, Muhammad Anas; Kashif, Syed Abdul Rahman; Khan, Irfan Ahmad; Abbas, Ghulam

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Algoritmo de búsqueda rápida basado en control predictivo de modelo directo de inversor multinivel de 289 niveles conectado a la red


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Inversores
Pérdida de conmutación
Sobrecarga computacional
Control Predictivo Directo del Modelo
Inversor multinivel
Modo conectado a la red

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 45

Citaciones: Sin citaciones


Descripción
Los inversores multinivel, conocidos por su baja pérdida de conmutación y su idoneidad para aplicaciones de mediana a alta potencia, a menudo crean una carga computacional pesada para el controlador. Este documento aborda la limitación mencionada anteriormente al presentar un enfoque novedoso para el Control Predictivo Directo de Modelo (DMPC) para un inversor multinivel en escalera de 289 niveles (LMLI) conectado a la red. El objetivo principal es lograr un control perfecto de corriente del inversor sin enumeración. El método de control propuesto proporciona una sola mejor solución sin exploración completa del espacio de búsqueda. Este método generalizado se puede aplicar a cualquier inversor multinivel (MLI), lo que les permite ser utilizados en modo de conexión a red sin la carga computacional debida a un gran número de estados de conmutación. El DMPC de LMLI con una salida de 289 niveles y sus 289 entradas de control correspondientes, utiliza un modelo discreto para predecir el estado futuro de la variable de estado. Para aliviar la carga de enumeración, se introducen sectores virtuales en una escala lineal, y se proporciona una fórmula general para identificar el mejor estado único entre los 289 estados, reduciendo el tiempo necesario para encontrar el mejor estado óptimo por período de muestreo. Además, el esquema de control propuesto es independiente de la evaluación de objetivos.

Otros recursos que podrían interesarte

Temas Virtualpro