Skip to main content
فهرست مقالات

تشخیص و کلاسه‌بندی برخط خطا در یک مزرعۀ خورشیدی با استفاده از روش بیزین و k نزدیک‌ترین همسایه مقاله

نویسنده:

چکیده:

امروزه منابع تولید پراکنده به ویژه سیستم های فتوولتائیک به عنوان منبع جدید قدرت، درصد بالایی از سرمایه گذاری ها را به خود اختصاص داده اند. تشخیص و تجزیه وتحلیل خطا در سیستم های فتوولتائیک، یکی از مسائل مهم در بخش بازدهی، ایمنی و قابلیت اطمینان آرایه های خورشیدی است. به دلیل مشخصه غیرخطی خروجی آرایه های فتوولتائیک، ماهیت محدودکنندگی جریان، امپدانس خطای بزرگ، شرایط تابش کم، طرح های مختلف زمین، شرایط اینورترها و ضعف وسایل حفاظتی، خطاها در آرایه ها به درستی تشخیص داده نمی شوند. بنابراین برای رفع مشکلات حفاظتی، تشخیص خطا استفاده از تکنیک های یادگیری ماشین براساس اندازه گیری ولتاژ و جریان آرایه و تابش و دما در یک سیستم فتوولتائیک 17/6KW متصل به شبکه پیشنهاد شده است. برای تشخیص نوع و کلاسه بندی خطا، انتخاب بهترین روش کلاسه بندی با دقت بالا و یافتن ویژگی های مناسب در یک آرایه فتوولتائیک در مقیاس تجاری، موضوع مهمی است که تاکنون انجام نشده است. داده های ورودی برای تشخیص و کلاسه بندی خطا با استفاده از روش بیزین و K نزدیک ترین همسایه، نتایج شبیه سازی به ازای مقادیر ورودی دما و تابش های مختلف برای کلاس های تعریف شده ای از عیوب خط به خط و مدارباز با مقادیر مختلف است. نتایج نشان می دهد که استفاده از روش های پیشنهادی یادگیری ماشین، تشخیص نوع خطا در یک رشته از آرایه بسیار موفقیت آمیز است

کلیدواژه ها:

یادگیری ماشین ، بیزین ، آرایه فتوولتائیک ، کلاسه‌بندی ، خطای مدارباز ، K نزدیک‌ترین همسایه ، خطای خط‌به‌خط


برای مشاهده محتوای مقاله لازم است ورود پایگاه شوید. در صورتی که عضو نیستید از قسمت عضویت اقدام فرمایید.

لمشاهدة محتوی المقال یلزم الدخول إلی دخول الموقع.
إن كنت لا تقدر علی شراء الاشتراك عبرPayPal أو بطاقة VISA، الرجاء ارسال رقم هاتفك المحمول إلی مدير الموقع عبر credit@noormags.ir.

You should become a Sign in to be able to see articles.
If you fail to purchase subscription via PayPal or VISA Card, please send your mobile number to the Website Administrator via credit@noormags.ir.