بهبود مدل سازي توربين بادي داده محور با استفاده روش مه آلودگي داده هاي اندازه گيري شده

Improving Data-based Wind Turbine Using Measured Data Foggy Method

هدف اين مقاله بهبود مدل­ سازي سيستم توربين­ بادي داده محور مي ­باشد كه داده ­هاي دريافتي سيگنال­ هاي داراي نويز هستند. عمدتا تمامي داده­ هاي مربوط به سيستم ­هاي صنعتي داراي نويز بوده و نويزدار بودن داده­ ها امري اجتناب­ ناپذير و طبيعي است. روش و ايده پيشنهاد شده در اين مقاله تحت عنوان مه آلودگي داده­ ها، باعث كاهش چشم گير تاثير نويز برروي مدل­سازي سيستم توربين ­بادي داده محور مي ­شود كه اساس اين روش تغيير محدوده­ قابل قبول داده­ هاي اندازه­ گيري شده مي ­باشد و اين روش باعث حذف نويز­هاي موجود در داده­ هاي سيستم نخواهد شد، بلكه تاثير آنها را در شناسايي، مدل ­سازي و عيب­ يابي به­ صورت قابل توجهي كاهش خواهد داد. در اين مقاله جهت بررسي روش پيشنهاد شده از شبكه­ هاي عصبي مصنوعي جهت مدل­سازي سيستم انتقال قدرت توربين­ بادي مربوط به نيروگاه بادي كهك، به عنوان مطالعه ­موردي استفاده شده است. داده­ هاي اطلاعاتي نويزدار و بدون نويز به سيستم اعمال شده، مدل ­سازي صورت پذيرفته ونتايج حاصل بررسي شده است. نتايج حاصل از شبيه ­سازي كه در قالب جداول و اشكال در ادامه­ي مقاله آورده شده است، عملكرد بسيار مناسب و دقيق روش مه آلود كردن داده ­ها را در حذف تاثير نويز برروي مدل ­سازي سيستم، به­ طور موردي سيستم توربين­ بادي را اثبات مي ­كند. درواقع تاثير اين روش در آناليز سيستم­ هاي واقعي نويزدار مي­باشد، چراكه نويز­هاي موجود در سيستم­ هاي صنعتي در آناليز و بررسي سيستم­ ها تاثيرات سو دارند و دقت شناسايي، مدل­سازي و عيب­ يابي سيستم­ ها را بسيار تحت تاثير قرار مي­ دهند. انجام شبيه­ سازي­هاي مربوط به روش ارائه شده در اين مقاله در نرم ­افزار MATLAB انجام گرفته است. دليل انتخاب اين نرم­ افزار جهت انجام شبيه­ سازي، بسيار قدرتمند و قابل استناد بودن آن مي­ باشد. در بخش پژوهشي اين مقاله نخست روش و ايده بيان گرديده و تحليل ­هاي كنترلي صورت پذيرفته است و سپس در بخش شبيه ­سازي نرم ­افزاري اين مقاله روش پيشنهادي بر روي يك سيستم مطالعه­ اي واقعي (توربين­ بادي نيروگاه بادي كهك) پياده ­سازي و شبيه­ سازي شده است.

The purpose of this paper is to improve the modeling of the data-driven wind turbine system that receives data from noise signals. Most of the data on industrial systems is noisely and data noise is inevitable and natural. The method and idea proposed in this paper, Data Fogging, significantly reduce the impact of noise on data-driven wind turbine system modeling, which is the basis of this method of changing the acceptable range of measured data. It will not eliminate noise in the system data, but will significantly reduce their impact on detection, modeling and fault detection. In this paper, the proposed method of artificial neural networks is used as a case study for modeling of wind turbine power transmission system of Kahak wind power plant. Noise and noisely information data applied to the system, modeling performed, and the results are reviewed. The results of the simulation presented in the tables and figures below illustrate the very good and accurate performance of the data fogging method in eliminating the impact of noise on system modeling, as the case of the wind turbine system proves. In fact, the impact of this method on real systems analysis is noise, because the noise in industrial systems has an impact on system analysis and greatly affects the accuracy of system identification, modeling and fault detection. Simulations of the method presented in this paper have been performed in MATLAB software. The reason for choosing this software to perform the simulation is that it is very powerful and reliable. In the research section of this paper, first a method and idea is presented and control analysis is performed and then in the software simulation section of this paper the proposed method is implemented and simulated on a real study system (wind turbine of Kahak wind power plant).