Discrimination des Défauts Statoriques d’une GADA à l’aide des Techniques de l’IA

Abstract

La génératrice asynchrone à double alimentation (GADA) est largement utilisée dans les systèmes éoliens grâce à sa capacité à fonctionner à vitesse variable. Cependant, elle reste sujette à certains défauts statoriques pouvant affecter sa fiabilité. Ce travail propose une méthode de diagnostic automatique basée sur l’intelligence artificielle pour détecter et classifier ces défauts. À partir de grandeurs électriques mesurées, des algorithmes de classification, dont le SVM et l’ANN, sont appliqués. L’étude montre que ces approches permettent une détection efficace, rapide et fiable des anomalies statoriques, ouvrant la voie à une maintenance prédictive avancée.