فایل ورد کامل تشخیص خطاهای زنجیره‌ای تبدیل انرژی باد مبتنی بر ژنراتور القایی دوسو تغذیه با استفاده از روش تجزیه و تحلیل مولفه‌های اصلی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل تشخیص خطاهای زنجیره‌ای تبدیل انرژی باد مبتنی بر ژنراتور القایی دوسو تغذیه با استفاده از روش تجزیه و تحلیل مولفه‌های اصلی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۱۸ صفحه

V. نتیجه گیری
روش PCA مبتنی بر آنالیز پسماند و در سیستم تبدیل انرژی باد مبتنی بر تشخیص ژنراتور القایی دو سو تغذیه استفاده شده است. یک مدل دقیق ماشین با اطلاعات سالم و ناقص برای رویکرد PCA ارائه و شبیه سازی شده است.
چند ارائه از متغییر های حالت ماشین مورد بررسی قرار گرفته‌اند. همه ارائه‌ها در هر دو حالت با و بدون تبدیلات ریاضی و بدن روش PCA، با وجود خطا اطلاعات مهمی نشان نمی‌دهند. در واقع، روش PCA بوضوح حضور خطا را نشان می‌دهد. این روش با روش‌های دیگر پردازش مقایسه شده است. نتایج شبیه سازی تشخیص مناسب آن را نشان می‌دهند اما این کار نیازمند انتخاب مناسب تعداد مؤلفه‌های اصلی می‌باشد.

عنوان انگلیسی:Faults diagnosis of wind energy conversion chain based on doubly fed induction generator by principal components analysis method~~en~~

V. CONCLUSION

PCA method based on residues analysis has been established and applied on wind energy conversion system based on doubly fed induction generator diagnosis. An accurate analytical model of the machine has been proposed and simulated to perform the healthy and faulted data for PCA approach need. Several representations of the state variables of the machine have been analyzed. All representations in both cases without and with mathematical transformations, and without PCA method, do not provide significant information in the presence of faults. Indeed, PCA method application shows clearly the presence of faults. This approach is interesting for all type of representation compared to some other signal processing types. Simulation results show the detection efficiency but require a good choice of the principal components number.

$$en!!