Smart Fault Diagnosis in a Grounded 250kW Photovoltaic System
Yaser Dokamei | Mohammad Dokamei | Meysam Dokamei | Seyedmohammad Sadeghzadeh
URL :
http://research.shahed.ac.ir/WSR/WebPages/Report/PaperView.aspx?PaperID=159294
Date : 2021/07/14
Publish in :
يازدهمين همايش سراسري محيط زيست، انرژي و منابع طبيعي پايدار
Keywords :سامانه خورشيدي، هوشمند سازي، تشخيص خطا
Abstract :
سامانه های فتوولتائیک بهعنوان منبع جدید توان از جذابیت بیشتری برای محققان برخوردار میباشند، اما بهرهبرداری از این سامانه ها چالشهایی را برای کاربران در پی دارد. مهمترین چالش، تشخیص خطا، در این سامانهها است. بنابراین مدلسازی این فرایند ضروری میباشد. برای تشخیص خطا، انتخاب روش دستهبندی قدرتمند هوش مصنوعی اهمیت زیادی دارد و باعث افزایش دقت در تشخیص خطا میشود و الگوریتم هوشمند SVM ویژگیهای مناسب در یک ارایه فتوولتائیک را استخراج مینماید و درنهایت دادههای فتوولتائیک برای ارزیابی عملکرد سیستم استفاده میشوند.
Files in this item :
Download |
Name :
159294_17698519164.pdf
|
|
Size :
1Mb
|
|
Format :
PDF
|