Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Analysing Waveform Distortion in Wind Power Plants by a Deep Learning-Based Graphical Tool
Luleå tekniska universitet, Institutionen för teknikvetenskap och matematik, Energivetenskap.ORCID-id: 0000-0001-5845-5620
Luleå tekniska universitet, Institutionen för teknikvetenskap och matematik, Energivetenskap.ORCID-id: 0000-0002-3625-8578
Luleå tekniska universitet, Institutionen för teknikvetenskap och matematik, Energivetenskap.ORCID-id: 0000-0003-4074-9529
CGT Eletrosul Brazil.
2022 (Engelska)Ingår i: 2022 20th International Conference on Harmonics & Quality of Power (ICHQP) Proceedings: “Power Quality in the Energy Transition”, IEEE, 2022Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

This work shows an application of a deep learning-based graphical tool for analyzing waveform distortion in wind power plants. The tool consists of a deep autoencoder followed by a clustering algorithm. Previous applications of such a tool have covered harmonic emission which follows daily patterns. The challenge of measurements in wind power plants is the intermittence of the power production, which can vary in a time frame of minutes and hours. To this point, this work proposes a modification of a DL method presented in the literature to address measurements from wind power plants. The method can automatically obtain the number of clusters. The method is applied to harmonic measurements from H2 to H50 and active power in a Brazilian wind power plant. The graphical results allowed obtaining the correlation between patterns of odd and even current harmonic with the active power generated by a wind power plant.

Ort, förlag, år, upplaga, sidor
IEEE, 2022.
Serie
International Conference on Harmonics and Quality of Power, ISSN 1540-6008, E-ISSN 2164-0610
Nyckelord [en]
wind power generation, waveform distortion, deep learning, machine learning, harmonic analysis
Nationell ämneskategori
Annan elektroteknik och elektronik
Forskningsämne
Elkraftteknik
Identifikatorer
URN: urn:nbn:se:ltu:diva-92107DOI: 10.1109/ICHQP53011.2022.9808731ISI: 000844604500089Scopus ID: 2-s2.0-85133765019OAI: oai:DiVA.org:ltu-92107DiVA, id: diva2:1681843
Konferens
20th International Conference on Harmonics & Quality of Power (ICHQP 2022), Naples, Italy, May 29 - June 1, 2022
Forskningsfinansiär
EnergimyndighetenTrafikverket
Anmärkning

ISBN för värdpublikation: 978-1-6654-1639-9

Tillgänglig från: 2022-07-07 Skapad: 2022-07-07 Senast uppdaterad: 2022-09-19Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextScopus

Person

de Oliveira, Roger AlvesDe Souza Salles, RafaelBollen, Math H.J.

Sök vidare i DiVA

Av författaren/redaktören
de Oliveira, Roger AlvesDe Souza Salles, RafaelBollen, Math H.J.
Av organisationen
Energivetenskap
Annan elektroteknik och elektronik

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 89 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf