تشخیص و شناسایی خطا در سیستم های فتوولتائیک با استفاده از شبکه عصبی عمیق VGG۱۶

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 2

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_AICTI-16-61_016

تاریخ نمایه سازی: 30 آذر 1403

چکیده مقاله:

تشخیص خطا در آرایه های فتوولتائیک (PV) جهت افزایش توان خروجی و همچنین طول عمر مفید یک سیستم PV ضروری است. وجود شرایطی مانند سایه جزئی، خطاهای امپدانس بالا و وجود سامانه ردیاب نقطه حداکثر توان (MPPT)، تشخیص خطا را در شرایط محیطی به چالش می کشد. بیشتر تحقیقات انجام شده در این زمینه فقط در چند سناریو از عیوب به شناسایی و طبقه بندی پرداخته اند. این پژوهش با استفاده از شبکه ی عصبی کانولوشنی عمیق از پیش آموزش داده شده VGG۱۶)) و با بهره گیری از ویژگی ها استخراج شده بوسیله اسکالوگرام های دوبعدی تولیدشده از داده های سیستم PV، به شناسایی و طبقه بندی خطا در سیستم PV با استفاده از یک شبکه عصبی کاملا متصل می پردازد. برخلاف روش های قبلی پیشنهادشده در ادبیات موضوع تشخیص و طبقه بندی عیوب، موارد مختلف معیوب همراه با ترکیب MPPT در مطالعه ما در نظر گرفته شده است. در این تحقیق نشان داده شده است که روش پیشنهادی شاملCNN از پیش آموزش دیده تنظیم شده، از روش های موجود بهتر عمل می کند و به دقت تشخیص خطای ۳۷۵/۸۳ درصد دست پیدا می کند.

کلیدواژه ها:

آرایه فتوولتائیک ، ردیاب نقطه حداکثر توان ، طبقه بندی خطا ، شبکه عصبی کانولوشنی VGG۱۶ ، اسکالوگرام

نویسندگان

سمانه عظیمی

گروه قدرت، دانشکده فنی مهندسی، دانشگاه شاهد

محمد منثوری

دانشگاه شاهد

مهدی اخباری

گروه قدرت، دانشکده فنی مهندسی، دانشگاه شاهد