IAD Index of Academic Documents
  • Home Page
  • About
    • About Izmir Academy Association
    • About IAD Index
    • IAD Team
    • IAD Logos and Links
    • Policies
    • Contact
  • Submit A Journal
  • Submit A Conference
  • Submit Paper/Book
    • Submit a Preprint
    • Submit a Book
  • Contact
  • Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi
  • Volume:11 Issue:4
  • FRT capability enhancement of wind turbine based on DFIG using machine learning

FRT capability enhancement of wind turbine based on DFIG using machine learning

Authors : Altan GENCER
Pages : 911-918
Doi:10.28948/ngumuh.1165004
View : 20 | Download : 10
Publication Date : 2022-10-14
Article Type : Research Paper
Abstract :Çift beslemeli asenkron generatörü insert ignore into journalissuearticles values(ÇBAG);, şebeke arızası sırasında meydana gelen yüksek gerilimin ve akımın zararlı etkilerine karşı çok hassastır. Makine öğrenmesi insert ignore into journalissuearticles values(ML); yöntemlerinden biri olan destek vektör makineye insert ignore into journalissuearticles values(DVM); dayalı bir kapasitif köprü tipi arıza akım sınırlayıcısı insert ignore into journalissuearticles values(KKTAAS);, üç fazlı arızada geçiş insert ignore into journalissuearticles values(FRT); performansını iyileştirmek için önerilmiştir. Bu çalışmada, normal şebeke koşullarında çalışan ÇBAG tabanlı bir rüzgâr türbininde oluşabilecek faz-toprak insert ignore into journalissuearticles values(3LG); simetrik şebeke hatası DVM` ye dayalı makine öğrenimi algoritması hem ÇBAG dönüştürücülerin kontrol sistemlerinde hem de KKTAAS` in bir kontrol sisteminde uygulanmıştır. Rotor tarafında, şebeke tarafında dönüştürücüde ve KKTAAS` in devre topolojisinde kullanılan elektronik anahtarlama elemanlarının anahtarlama sinyallerini üretmek için dört farklı DVM sınıflandırıcı algoritması uygulanmıştır. DVM sınıflandırıcılarının eğitiminde İnce Gauss, Kuadratik, Kübik ve Doğrusal kernel fonksiyonları tercih edilmiştir. Geliştirilen DVM’ ler, normal ve şebeke arızası koşulları sırasında dönüştürücülerin davranışlarını doğru tahmin etmek ve karar vermek için uygun şekilde eğitilmiştir. İnce gauss ve Doğrusal DVM türlerinin performansı, ÇBAG’ ye dayalı bir rüzgâr türbini için eğitim verimliliğinin etkinliği ile karşılaştırılmıştır. DVM` in İnce Gaussian` in doğruluk oranı %100’dür, Doğrusal DVM` in doğruluk oranı ise %22`dir. Simülasyon sonuçları, İnce Gaussian DVM` in, ÇBAG tabanlı bir rüzgâr türbini için Doğrusal DVM` ye kıyasla 3LG şebeke hatasının zararlı etkilerinden daha verimli bir şekilde koruduğunu göstermektedir.
Keywords : Çift Beslemeli Asenkron Generatör ÇBAG, Machine Learning ML, Kapasitif Köprü Tipi Arıza Akım Sınırlayıcı KKTAAS

ORIGINAL ARTICLE URL
VIEW PAPER (PDF)

* There may have been changes in the journal, article,conference, book, preprint etc. informations. Therefore, it would be appropriate to follow the information on the official page of the source. The information here is shared for informational purposes. IAD is not responsible for incorrect or missing information.


Index of Academic Documents
İzmir Academy Association
CopyRight © 2023-2025