تشخیص و جداسازی خطا در سیستم تبدیل انرژی بادی با استفاده از شبکه های عصبی بازگشتی
سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 154
فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ISEE-5-2_004
تاریخ نمایه سازی: 6 دی 1400
چکیده مقاله:
قابلیت اطمینان در سیستم های تبدیل انرژی بادی، بسیار مهم و حیاتی است تا دریافت حداکثر مقدار انرژی موجود در باد تضمین شود. به منظور بررسی صحیح و دقیق این سیستم ها در هنگام وقوع خطا و همچنین بررسی نحوه اثرگذاری خطاها بر تمامی زیرسیستم های آن ها، نیاز به مدلی است که قسمت های مکانیکی و الکتریکی را با جزئیات مناسبی شامل شود. همچنین یک سیستم تشخیص و جداسازی خطا مورد نیاز است که با بهره گیری از این مدل کامل، خطاهای به وقوع پیوسته را در زمان کوتاه شناسایی کند، به نحوی که عملکرد صحیح سیستم تضمین و از خسارات شدید اقتصادی جلوگیری شود. در این تحقیق با استفاده از مدل دینامیکی کامل سیستم تبدیل انرژی بادی، یک سیستم تشخیص و جداسازی خطا با استفاده از شبکه های عصبی دینامیکی بازگشتی ارائه می شود که توسط آن می توان خطاهای به وقوع پیوسته در سنسور سرعت زاویه ای ژنراتور، سنسور و محرک فراز را تشخیص داد. نتایج شبیه سازی نشان می دهد که سیستم تشخیص و جداسازی خطا به همراه الگوریتم ارائه شده در این مقاله، قابلیت بالایی در تشخیص خطا در زمان کم را دارد، خطاهای شناسایی شده را به نحو مناسبی جداسازی می کند و نرخ هشدارهای اشتباه در آن بسیار پائین است. از طرح ارائه شده در این تحقیق می توان برای شناسایی خطاها در سایر قسمت های سیستم نیز استفاده کرد.
کلیدواژه ها:
تشخیص و جداسازی خطا ، سیستم تبدیل انرژی بادی ، شبکه های عصبی بازگشتی
نویسندگان
ناصر طالبی
دانشجوی دکترا، دانشکده مهندسی برق و رباتیک- دانشگاه شاهرود- شاهرود- ایران
محمد علی صدرنیا
- استادیار، دانشکده مهندسی برق و رباتیک- دانشگاه شاهرود- شاهرود- ایران
احمد دارابی
دانشیار، دانشکده مهندسی برق و رباتیک- دانشگاه شاهرود- شاهرود- ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :