سنسور سرعت باد مجازی برای توربین های بادی

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,113

This Paper With 18 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ECONF01_180

تاریخ نمایه سازی: 21 تیر 1393

Abstract:

در این مقاله یک روش داده محوری برای توسعه سنسور سرعت باد مجازی توربین های بادی ارائه شده است. سنسور سرعت باد مجازی براساس داده های مزرعه بادی اولیه (تاریخی) به وسیله الگوریتم جستجوی داده ساخته شده است. چهار الگوریتم مختلف جستجوی داده به منظو توسعه مدل با استفاده از داده های سرعت باد که توسط بادسنج از توربین های بادی مختلف در مزرعه بادی جمع آوری شده است، استفاده می شود. نتایج محاسباتی توسط الگوریتم های مختلف مورد بحث قرار گرفته شده اند. الگوریتم شبکه های عصبی (NN)، پرسپترون چند لایه (MLP) دقیق ترین پیش بینی سرعت باد را در میان همه الگوریتم های تست شده موجک در فرکانس بالا انجام می دهند. موجک برای دنویز داده های سرعت باد اندازه گیری شده در فرکانس بالا به وسیله بادسنج توسعه داده شده است. مدل ساخته شده با الگوریتم جستجوی داده براساس داده تبدیل موجب به عنوان سنسورهای سرعت باد برای توربین های بادی به کار می رود. سرعت باد تولید شده به وسیله سنسور مجازی برای اهداف مختلفی استفاده می شود، از جمله نظارت آنلاین و کالبیراسیون سنسورهای سرعت باد و همچنین ارائه قابلیت اطمینان ورودی سرعت باد به کنترلر توربین، روش ارائه شده در این مقاله، برای ابزارهای مقیاس توربین های بادی از هر نوعی قابل اجرا است.

Authors

نسرین ثابت

دانشجوی برق قدت دانشگاه علوم و تحقیقات واحد کرمان

میلاد عسکری

دانشجوی برق قدرت دانشگاه علوم و تحقیقات واحد کرمان

فرشید کی نیا

استادیار دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Aminian, M., and Aminian, F. (2007. "A modular fault-diagnostic system ...
  • Backus, P., Janakiram, M., Mowzoon, S., Runger, G. C., and ...
  • Berry, M. J. A., and Linoff, G. S. (2004). Data ...
  • Bishop, C. M. (1995). Neural networks for pattern recognition, Oxford ...
  • Breiman, L., Friedman, J., Olshen, R. _ and Stone, C. ...
  • نمایش کامل مراجع