Fault Detection and Isolation in Wind Turbine sensor and actuator
- سال انتشار: 1391
- محل انتشار: نخستین کنفرانس انرژی بادی ایران
- کد COI اختصاصی: IWEC01_064
- زبان مقاله: انگلیسی
- تعداد مشاهده: 1402
نویسندگان
School of Electrical and Computer Eng., University. of Tehran
چکیده
In this paper, a Fault Detection and Isolation (FDI) method is developed for wind turbine sensors and actuators based on a data driven approach. In the presence of high stochastic wind and noisy sensors FDI is a challenging problem. This problem is crucial when, implementation of wind turbine is very complex and high nonlinear. Thus the use of data driven method seems to be very suitable in this case. Here a Decision Tree classifier is used for Fault Detection (FD) and another Decision Tree classifier is used for Fault Isolation (FI) step. Some representative simulation results are given to show the effectiveness of the FDI method.کلیدواژه ها
Wind Turbine, Fault Detection and Isolation, Feature Extraction, Wavelet Coefficientمقالات مرتبط جدید
- ارزیابی انواع تهدیدات و شدت آنها در زیستگاههای کلان ایران
- اجرای پایلوت نانوپوشش سیلیکونی بر روی تجهیزات عایقی پست های منتخب تهران و مشهد و بررسی نتایج عملکرد میدانی
- تدوین دستورالعمل برای استفاده از نانوسیالات خنک کننده نیروگاهی
- تولید نانو الیاف کامپوزیتی کربن/ NiMoO۴ به روش الکتروریسی
- پوششش دهی و آزمون مقره های سرامیکی ۷۰ کیلو نیوتون با مواد سیلیکونی حاوی نانو ذرات سیلیکا
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.