Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

1 Przegląd Elektrotechniczny

1 2023

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: przetwornica podwyższająca napięcie

Sortuj według:

Ogranicz wyniki do:

Detection and classification of photovoltaic system faults using neural network

100%

Moulay A. , Benslimane T. , Abdelkhalek O. , Koussa K.

tom R. 99, nr 11

157--162

With the growth of solar energy plants and their importance in the world, a fault diagnosis of photovoltaic systems has become an essential task to perform in order to protect the user and PV system components, in addition to increasing energy productivity. This paper presents an efficient neural network method for detecting and classifying different faults in PV system. These faults can occur in a PV array or boost converter. A simple feed forward neural network feed with meteorological parameters (Irradiance and Temperature) together with electrical data (Voltage and Current) has proven its effectiveness to identify common faults in PV system with very high accuracy. This is done by simulation in the Matlab Simulink environment.

Wraz z rozwojem elektrowni słonecznych i ich znaczeniem na świecie, diagnostyka usterek systemów fotowoltaicznych stała się podstawowym zadaniem do wykonania w celu ochrony użytkownika i komponentów systemu PV, a także zwiększenia wydajności energetycznej. W artykule przedstawiono wydajną metodę sieci neuronowych do wykrywania i klasyfikacji różnych uszkodzeń w systemie PV. Te usterki mogą wystąpić w panelu fotowoltaicznym lub przetwornicy podwyższającej napięcie. Proste zasilanie sieci neuronowej ze sprzężeniem zwrotnym z parametrami meteorologicznymi (natężenie promieniowania i temperatura) wraz z danymi elektrycznymi (napięcie i prąd) dowiodło swojej skuteczności w identyfikowaniu typowych usterek w systemie fotowoltaicznym z bardzo dużą dokładnością. Odbywa się to poprzez symulację w środowisku Matlab Simulink.