عنوان فارسی مقاله:پایش مبدل های DC-DC مبتنی بر یادگیری ماشین در کاربرد های فتوولتائیک
چکیده
در این مقاله، یک روش پایش برای مبدل های DC-DC در کاربردهای فتوولتائیک ارائه شده است. هدف اصلی جلوگیری از خرابی های فاجعه بار با تشخیص شرایط ناکارآمد در حین استفاده از سیستم الکتریکی است. روش پیشآگهی پیشنهادی مبتنی بر تکنیکهای یادگیری ماشین است و بر تغییرات اجزای غیرفعال با توجه به محدوده اسمی آنها تمرکز دارد. یک مطالعه نظری برای انتخاب بهترین اندازهگیریها برای تحلیل پیش آگهی و تطبیق روش پایش با یک سیستم فتوولتائیک پیشنهاد شده است. به منظور تسهیل این مطالعه، یک ارزیابی گرافیکی از آزمایشپذیری ارائه شده است و اثرات تابش خورشیدی متغیر بر اندازهگیریهای انتخابی نیز از دیدگاه گرافیکی در نظر گرفته میشود. تکنیک اصلی ارائه شده در این مقاله برای شناسایی شرایط خرابی مبتنی بر یک شبکه عصبی چندلایه با نورونهای چند ارزشی است. عملکرد این دسته بند که روی مبدل زتا اعمال میشود با الگوریتم ماشین بردار پشتیبان مقایسه میشود. شبیه سازی های انجام شده در محیط سیمولینک نرخ طبقه بندی بالاتر از ۹۰% را نشان می دهد و این بدان معنی است که روش مانیتورینگ امکان شناسایی مشکلات در مراحل اولیه را فراهم می کند، بنابراین امکان تغییر تنظیمات کار و سازماندهی عملیات تعمیر و نگهداری مبدل های DC-DC را تضمین می کند.
- لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.