عدد الزيارات: 12609271 مشاهدة
بواسطة: قسم الهندسة الالكترونية والاتصالات
تاريخ النشر: 2024-03-18
اخر تصفح: 2024-11-21
تركز هذه الدراسة على تعزيز اكتشاف الأخطاء
وتصنيفها في الأنظمة الكهروضوئية المستقلة والمتصلة بالشبكة من خلال اعتماد أساليب
التعلم الآلي السريعة والدقيقة. يستخدم البحث برنامج الماتلاب لمحاكاة أنظمة
الطاقة الكهروضوئية بقدرة 0.25 ميغاوات في الحالات المستقلة والمتصلة بالشبكة.
تنتج هذه المحاكاة ميزات كهربائية مختلفة، بما في ذلك قيم الحد الأدنى والحد
الأقصى والمتوسط ومدى التيارات والفولتية والقوى. بالإضافة إلى ذلك، يتم استخراج
السمات والخواص البيئية مثل درجة الحرارة والإشعاع. يتم تطبيق استخلاص الميزات
المحددة على العديد من المصنفات الحديثة مع نسب مناسبة من التحقق المتقاطع (CV) لاكتشاف الأخطاء وتصنيف النوع. تم تمثيل
الفئات الأربع للتصنيف بال التشغيل العادي (حالة خالية من الأخطاء) والأعطال
الكهربائية: خطأ من سلسلة إلى سلسلة (F1)، وخطأ على
السلسلة (F2)، وخطأ من
سلسلة إلى الأرض (F3). تستخدم
الدراسة معالجة مسبقة بسيطة للبيانات لتحديد الميزات ذات القيم المفقودة في مجموعة
البيانات، وإجراء عملية احتساب مناسبة لإيجاد القيم المفقودة بناءً على خوارزمية KNN، ثم تطبيق تسوية البيانات بالحد الأدنى
والأقصى. وقد تألفت لجنة المناقشة من الذوات التالية أسماؤهم وجهات
انتسابهم: 1.
أ.د. محد
يوسف حسن / قسم السيطرة والنظم/ الجامعة التكنولوجية/
رئيسا 2.
ا.م.د.
أحمد فائق حسين/ قسم الهندسة الطبية/كلية
الهندسة/جامعة النهرين/عضوا 3.
أسراء بدر
ناصر/قسم هندسة الحاسوب/كلية
الهندسة/جامعة النهرين/عضوا 4.
أ.م.د.
أمينة محمود شاكر/قسم الهندسة الالكترونية والاتصالات/كلية الهندسة/جامعة
النهرين/مشرفا وتم تقويم الرسالة علميا من قبل المقوم العلمي الأول (أ.م.د.
ثامر حسن عطية/جامعة تكريت/كلية
الهندسة) والمقوم العلمي الثاني (ا.م.د. عمار غالب سمير/الجامعة
المستنصرية/كلية الهندسة) ولغويا من قبل (أ.م.د. علي
عبدالرحمن ذياب/ قسم الهندسة الالكترونية والاتصالات/كلية الهندسة/جامعة
النهرين).
وكانت نتيجة المناقشة بحصول الطالبة على درجة الماجستير.أُجريت
في الساعة التاسعة صباحًا من يوم الاثنين الموافق 18/3/2024 وعلى قاعة دجلة في كلية
الهندسة / جامعة النهرين مناقشة رسالة طالبة الماجستير (هالة صباح مطشر) في قسم الهندسة الالكترونية والاتصالات والتي كانت تحت عنوان:
اكتشاف أخطاء الخلايا
الكهروضوئية باستخدام التعلم الالي