Info
Meny
English
Logg inn
Søk etter prosjekter, resultater og personer
Søk etter prosjekter, resultater og personer
Historikk
Cristin-resultat-ID:
1758837
Sist endret:
31. mars 2022, 14:00
NVI-rapporteringsår:
2019
Resultat
Vitenskapelig Kapittel/Artikkel/Konferanseartikkel
2019
Online parameter identification of synchronous machines using Kalman filter and recursive least squares
Erick Fernando Alves
Jonas Kristiansen Nøland
Giancarlo Marafioti
og
Geir Mathisen
Bok
Bok
Proceeding 45th Annual Conference of the IEEE Industrial Electronics Society - IECON 2019
ISBN:
978-1-7281-4878-6
Utgiver
IEEE conference proceedings
NVI-nivå 1
Finn i kanalregisteret
Serie
Proceedings of the Annual Conference of the IEEE Industrial Electronics Society (IECON)
ISSN 1553-572X
e-ISSN 2577-1647
NVI-nivå 1
Finn i kanalregisteret
Om resultatet
Om resultatet
Vitenskapelig Kapittel/Artikkel/Konferanseartikkel
Publiseringsår: 2019
Hefte: -
Sider: 7121 - 7128
ISBN:
978-1-7281-4878-6
Open Access
Lenker
Lenker
original online (doi)
https://doi.org/10.1109/IECON.2019.8926707
ORIA
Søk i ORIA med 978-1-7281-4878-6
Institusjonsarkiv
hdl.handle.net/11250/2633589
Importkilder
Importkilder
Scopus-ID: 2-s2.0-85084111659
Klassifisering
Klassifisering
Vitenskapsdisipliner
Teknisk kybernetikk • Elkraft
Emneord
Parameterestimering • Elektriske maskiner
Fagfelt (NPI)
Fagfelt: Elektrofag
- Fagområde: Realfag og teknologi
Beskrivelse
Beskrivelse
Engelsk
Tittel
Online parameter identification of synchronous machines using Kalman filter and recursive least squares
Sammendrag
This paper investigates and implements a procedure for parameter identification of salient pole synchronous machines that is based on previous knowledge about the equipment and can be used for condition monitoring, online assessment of the electrical power grid, and adaptive control. It uses a Kalman filter to handle noise and correct deviations in measurements caused by uncertainty of instruments or effects not included in the model. Then it applies a recursive least squares algorithm to identify parameters from the synchronous machine model. Despite being affected by saturation effects, the proposed procedure estimates 8 out of 13 parameters from the machine model with minor deviations from data sheet values and is largely insensitive to noise and load conditions.
Vis
fullstendig beskrivelse
Bidragsytere
Bidragsytere
Erick Fernando Alves
Forfatter
ved Institutt for elektrisk energi ved Norges teknisk-naturvitenskapelige universitet
Jonas Kristiansen Nøland
Forfatter
ved Institutt for elektrisk energi ved Norges teknisk-naturvitenskapelige universitet
Giancarlo Marafioti
Forfatter
ved Mathematics and Cybernetics ved SINTEF AS
Geir Mathisen
Forfatter
ved Institutt for teknisk kybernetikk ved Norges teknisk-naturvitenskapelige universitet
1
-
4
av
4
Resultatet er en del av
Resultatet er en del av
Proceeding 45th Annual Conference of the IEEE Industrial Electronics Society - IECON 2019.
Gomes, Luís. 2019, IEEE conference proceedings. UNDL
Vitenskapelig antologi/Konferanseserie
1
-
1
av
1