Please use this identifier to cite or link to this item: http://dspace.univ-tiaret.dz:80/handle/123456789/15534
Title: Contrôle et Diagnostic des convertisseurs DC/AC à deux et trois niveaux dans une chaine éolienne basée sur une GSAP connectée au réseau
Authors: Ali, GUADABI
Med Ilias, MEGHERBI
Keywords: Diagnostic des défauts, Interrupteur à circuit ouvert
réseau neuronal artificiel, Onduleur, système de conversion d'énergie éolienne
Issue Date: يون-2024
Publisher: université ibn khaldoun-tiaret
Abstract: Les topologies de convertisseurs à plusieurs niveaux offrent de grands avantages pour les applications sur les systèmes de production d'électricité connectés au réseau. Cette étude présente une approche avancée du diagnostic et de la localisation des défauts d’ Interrupteur à circuit ouvert dans les convertisseurs de deux et trois niveaux de structure (NPC), qui sont intégrés aux systèmes de conversion d'énergie éolienne connectés au réseaux basé sur un générateur synchrone à aimants permanent (GSAP). Nous avons examiné la partie de puissance concerne la turbine, le multiplicateur, GSAP, convertisseurs d'interface de ligne AC/DC/AC et le réseau électrique. Afin de déterminer la MPPT et la commande cote machine et cote réseaux pour les deux convertisseurs à deux et trois niveaux, On a constaté que l'onduleur à 3 niveaux offre des résultats plus satisfaisants que celui à 2 niveaux en ce qui concerne la qualité d'énergie, les harmoniques et le THD. Enfin, les méthodes proposées utilisées sont l'Approche Vecteur de Park à Courant Moyen (ACPV) et le Réseau Neuronal Artificiel (RNA) pour détecter et isoler les défauts avec une précision et une vitesse élevée. L'ACPV propose une solution rapide et performante pour des applications spécifiques et clairement définies, tandis que le RNA fournit une grande souplesse, particulièrement bénéfique pour gérer des données complexes et diversifiées. Les méthodologies sont validées par le logiciel Matlab/Simulink. Les résultats de simulation montrent que l'approche basée sur le RNA rend la gestion des défaillances beaucoup plus fiable et efficace chez les convertisseurs, cela améliore la stabilité et les performances du système complet connecté au réseau.
Description: Multi-level converter topologies offer great advantages for applications on power generation systems connected to the grid. This study presents an advanced approach to the diagnosis and localization of open circuit switch defects in two- and three-level structure converters (NPCs), which are integrated into wind energy conversion systems connected to networks based on a permanent magnet synchronous generator (PMSG). We examined the power part concerning the turbine, the multiplier, PMSG, AC/DC/AC line interface converters and the power grid. In order to determine the MPPT and machine rating control and grid rating for both two- and three-level converters, it was found that the 3-level converter offers more satisfactory results than the 2-level in terms of energy quality, harmonics and THD. Finally, the proposed methods used are the Park Medium Current Vector Approach (ACPV) and the Artificial Neural Network (ANN) to detect and isolate defects with high accuracy and speed. ACPV offers a fast and powerful solution for specific and clearly defined applications, while ANNs provide high flexibility, beneficial for managing complex and diversified data. The methodologies are validated by the Matlab/Simulink software. The results show that the ANN-based approach makes failure management much more reliable and efficient in converters, improving the overall stability and performance of systems connected to the network.
URI: http://dspace.univ-tiaret.dz:80/handle/123456789/15534
Appears in Collections:Master

Files in This Item:
File Description SizeFormat 
TH.M.GE.2024.31.pdf4,5 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.