This paper investigates an improved active power control method for variable speed wind turbine to enhance the inertial response and damping capability during transient events. The optimized power point tracking (OPPT) controller, which shifts the turbine operating point from the maximum power point tracking (MPPT) curve to the virtual inertia control (VIC) curves according to the frequency deviation, is proposed to release the "hidden" kinetic energy and provide dynamic frequency support to the grid. The effects of the VIC on power oscillation damping capability are theoretically evaluated. Compared to the conventional supplementary derivative regulator-based inertia control, the proposed control scheme can not only provide fast inertial response, but also increase the system damping capability during transient events. Thus, inertial response and power oscillation damping function can be obtained in a single controller by the proposed OPPT control. A prototype three-machine system containing two synchronous generators and a PMSG-based wind turbine with 31% of wind penetration is tested to validate the proposed control strategy on providing rapid inertial response and enhanced system damping.

Due to the extensive application of modular multilevel converters in flexible DC transmission systems, the demand for lightweight MMC in modern power systems is gradually emerging as a result of the challenges posed by the large equipment volume and high operational costs. The arm multiplexing modular multilevel converter can effectively achieve lightweighting and improve the utilization of submodules, but due to its complex topology and the fluctuation of internal energy easily affected by operating conditions, the fault crossing ability in the event of AC system faults still needs to be studied. This article adopts amplitude limiting control to inhibit the output current of the converter during faults, and puts forward an approach for controlling current limits aimed at suppressing the negative sequence electrical component generated during asymmetric faults, effectively solving the fault crossing problem of AM-MMC. Ultimately, the simulation is utilized to confirm the proposed strategy's effectiveness.

The existing impedance modeling of VSG mostly ignores the influence of different voltage control methods of VSG on the impedance characteristics of the system, which makes its impedance model less universal and accurate. In this paper, amplitude-phase controlled VSG is taken as the research object, and considers the frequency coupling effect, impedance modeling of VSG under three different voltage control modes is carried out by multi-harmonic linearization method. The sweep frequency verification is carried out on the platform of matlab/simulink, which verifies the accuracy of the sequential impedance modeling, and compares the impedance characteristics differences of three VSGs horizontally.

The well-functioning of power factor correction (PFC) circuit plays a crucial role for the diode rectifier application. Traditional control strategies for Boost-PFC, predominantly designed under the system's quasi-steady state mode, inherently possess nonlinear traits, which may lead to pronounced harmonics in grid-side current and electromagnetic interference. Such repercussions gravely compromise the total harmonic distortion (THD) and the overall power factor. Addressing this challenge, this paper introduces a novel Boost-PFC control methodology, rooted in the virtual DQ coordinate transformation. By formulating an equivalent grid-tied inverter control framework for the PFC circuit under virtual DQ coordinate system, it equates the DC inductor current to the AC grid side counterpart, facilitating a linearized control for the nonlinear PFC system. Empirical findings underscore the efficacy of the proposed method, highlighting its capability to improve the output voltage and power factor performance of Boost-PFC. Meanwhile the proposed control also provides improvements in mitigating grid-side current harmonics under gird distortions. The theoretical analysis and effectiveness of proposed control method have been validated by both MATLAB/Simulink simulations and experiment hardware test.

Abstract Deep learning-based cell segmentation is increasingly utilized in cell biology and molecular pathology, due to massive accumulation of diverse large-scale datasets and excellent progress in cell representation. However, the development of specialized algorithms has long been hampered by a paucity of annotated training data, whereas the performance of generalist algorithm was limited without experiment-specific calibration. Here, we present a deep learning-based tool called Scellseg consisted of novel pre-trained network architecture and contrastive fine-tuning strategy. In comparison to four commonly used algorithms, Scellseg outperformed others in average precision and Aggregated Jaccard Index on three disparate datasets. Interestingly, we found that eight images are sufficient for model tuning to achieve satisfied performance based on a shot data scale experiment. We also developed a graphical user interface integrated with functions of annotation, fine-tuning and inference, that allows biologists to easily specialize their self-adaptive segmentation model for analyzing images at the single-cell level.