文献

J-GLOBAL ID：202202234627965422   整理番号：22A0848040

グリッド接続インバータ安定性をモデル化するための動的Bayesネットワーク制御戦略【JST・京大機械翻訳】

A Dynamic Bayesian Network Control Strategy for Modeling Grid-Connected Inverter Stability

著者 (3件)： Wang Huimin (School of Mechanical and Electrical Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Huang Qi (School of Mechanical and Electrical Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Li Zhaojun Steven (Department of Industrial Engineering and Engineering Management, Western New England University, Springfield, MA, USA)
資料名： IEEE Transactions on Reliability  (IEEE Transactions on Reliability)
巻： 71  号： 1  ページ： 75-86  発行年： 2022年 
JST資料番号： C0448A  ISSN： 0018-9529  CODEN： IERQAD  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 分散型発電システムにおけるグリッド接続インバータの動的性能は,電力品質と動的安定性に影響することによって新しい課題をもたらす。インバータの従来の線形制御法は,デカップリングと制御パラメータ調整を含む複雑なプロセスを必要とし,パルス幅変調モジュールに依存する。非線形制御法,例えばモデル予測制御(MPC)は,前述の課題のいくつかに対処することができるが,システムパラメータ変化を扱うことができない。動的Bayesネットワークベースのモデル予測制御(DBN-MPC)を用いたデータ駆動法を提案し,MPC戦略を実装するためのDBNの予測能力を利用した。予測モデルを構築し,予測信号をDBNに基づいて生成した。次に,コスト関数と最適化基準を構築することによって,制御装置は最適スイッチング状態組合せを作り出す。提案したDBN-MPC法を用いて,予測モデルはオンラインでパラメータ学習を実行し,さらなる最適化とフィードバック補正のためのより正確な予測信号を提供した。さらに,提案した制御装置の制御則は,時間にわたって更新することができ,これにより,グリッド接続インバータシステムが最適制御を達成できる。電池エネルギー貯蔵システムと統合したグリッド接続インバータシステムおよびIEEE39バスベンチマーク電力システムを用いた事例研究は,提案したDBN-MPC法の優位性を実証し,検証した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  電力系統 ,  PWM【信号】 ,  費用関数 ,  制御方式 ,  デカップリング ,  事例研究 ,  電力品質 ,  動的安定性 ,  制御則 ,  *インバータ ,  予測モデル
準シソーラス用語： システムパラメータ ,  オンライン ,  *グリッド接続インバータ , 【Automatic Indexing@JST】

分類 (1件)： 電力変換器  (NB08030B)

タイトルに関連する用語 (5件)： グリッド接続インバータ ,  安定性 ,  モデル化 ,  動的Bayesネットワーク ,  制御戦略