طراحی آستانه فازی تطبیقی جهت جداسازی هوشمند خطاها در توربین‌های بادی

توربین‌های بادی در معرض وقوع انواع خطاها قرار دارند که تعدادی از آن‌ها می‌توانند خسارات اقتصادی جبران‌ناپذیری را به همراه داشته باشند. از این رو شناسایی خطاهای به وقوع پیوسته در زمان کوتاه، عملکرد صحیح سیستم را تضمین و از این خسارات جلوگیری می‌نماید. در این مقاله، ابتدا به کمک یک مدل دینامیکی جامع برای توربین ‌های بادی که قسمت‌های مکانیکی و الکتریکی را با جزئیات مناسبی شامل می‌شود، سیستم تشخیص و جداسازی خطای هوشمند با استفاده از شبکه‌های عصبی بازگشتی طراحی می‌شود که توسط آن می‌توان خطاهای به وقوع پیوسته در سنسورها و محرک‌های فراز را تشخیص داد. سپس جهت مقاوم‌سازی طرح ارائه شده، بکارگیری سطح آستانه فازی تطبیقی در بلوک ارزیابی مانده پیشنهاد می‌گردد. مقایسه نتایج شبیه‌سازی برای سطوح آستانه ثابت، مقاوم و فازی تطبیقی نشان‌دهنده آن است که استفاده از سطح آستانه پیشنهادی موجب کاهش زمان تشخیص، تعداد هشدارهای اشتباه و تعداد هشدارهای از دست رفته می‌شود.

Intelligent Fault Diagnosis of Wind Turbines Using Adaptive Fuzzy Threshold

Wind turbines are exposed to a variety of faults some of which can cause irreparable economic losses. Therefore, identifying the faults in a short time, ensures the correct operation of the system and prevents the mentioned losses. In this paper, using a dynamic model for wind turbines which includes mechanical and electrical parts with appropriate details, an intelligent fault detection and isolation system is designed utilizing recurrent neural networks. The proposed system can identify the occurred faults in pitch sensors and pitch actuators. Then, in order to consider the robustness of the system, it is suggested to use an adaptive fuzzy threshold in decision making block. Simulation results for the fixed threshold, robust thresholds, and the proposed adaptive fuzzy threshold validate that the suggested adaptive threshold reduces the detection time. In addition, the number of false alarms, and the number of missed ones are reduced by using the intelligent fault detection system.