دوره 8، شماره 2 - ( 4-1397 )                   جلد 8 شماره 2 صفحات 14-25 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Sabbaghpur Arani M, A.Hejazi M. On-Line Faults Detection and Classification in PV Array Using Bayesian and K-Nearest Neighbor Classifier. JEM. 2018; 8 (2) :14-25
URL: http://energy.kashanu.ac.ir/article-1-825-fa.html
صباغ پور آرانی مریم، اخوان حجازی مریم السادات. تشخیص و کلاسه‌بندی برخط خطا در یک مزرعۀ خورشیدی با استفاده از روش بیزین و k نزدیک‌ترین همسایه. مهندسی و مدیریت انرژی. 1397; 8 (2) :14-25

URL: http://energy.kashanu.ac.ir/article-1-825-fa.html


دانشگاه کاشان
چکیده:  
امروزه منابع تولید پراکنده به‌ویژه سیستم‌های فتوولتائیک به‌عنوان منبع جدید قدرت، درصد بالایی از سرمایه‌گذاری‌ها را به خود اختصاص داده‌اند. تشخیص و تجزیه‌وتحلیل خطا در سیستم‌های فتوولتائیک، یکی از مسائل مهم در بخش بازدهی، ایمنی و قابلیت اطمینان آرایه‌های خورشیدی است. به‌دلیل مشخصۀ غیرخطی خروجی آرایه‌های فتوولتائیک، ماهیت محدودکنندگی جریان، امپدانس خطای بزرگ، شرایط تابش کم، طرح‌های مختلف زمین، شرایط اینورترها و ضعف وسایل حفاظتی، خطاها در آرایه‌ها به‌درستی تشخیص داده نمی‌شوند. بنابراین برای رفع مشکلات حفاظتی، تشخیص خطا استفاده از تکنیک‌های یادگیری ماشین براساس اندازه‌گیری ولتاژ و جریان آرایه و تابش و دما در یک سیستم فتوولتائیک kw6/17 متصل به شبکه پیشنهاد شده است. برای تشخیص نوع و کلاسه‌بندی خطا، انتخاب بهترین روش کلاسه‌بندی با دقت بالا و یافتن ویژگی‌های مناسب در یک آرایۀ فتوولتائیک در مقیاس تجاری، موضوع مهمی است که تاکنون انجام نشده است. داده‌های ورودی برای تشخیص و کلاسه‌بندی خطا با استفاده از روش بیزین و k نزدیک‌ترین همسایه، نتایج شبیه‌سازی به‌ازای مقادیر ورودی دما و تابش‌های مختلف برای کلاس‌های تعریف‌شده‌ای از عیوب خط‌به‌خط و مدارباز با مقادیر مختلف است. نتایج نشان می‌دهد که استفاده از روش‌های پیشنهادی یادگیری ماشین، تشخیص نوع خطا در یک رشته از آرایه بسیار موفقیت‌آمیز است.
نوع مطالعه: پژوهشي | موضوع مقاله: مهندسی برق

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

کلیه حقوق این وب سایت متعلق به نشریه مهندسی و مدیریت انرژی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2020 All Rights Reserved | Energy Engineering & Management

Designed & Developed by : Yektaweb