צוות מחקרים מאוניברסיטת ליסבון בפורטוגל פיתח אלגוריתם מתקדם בלמידת מכונה שיכול לסווג ולחזות במדויק כשלים בממירים בתחנות ממדים גדולים של פאנלי סולאריים. על ידי מעקב אחר תתי המערכות של הממירים וניתוח המידע, האלגוריתם מצליח לשלוח אזהרות כאשר מגעים עם הערכים המקסימליים והמינימליים, ולספק אזהרות מוקדמות על כשלים אפשריים.
בניגוד לשיטות המסורתיות, שמתמקדות בבדיקה וניתוח ידניים, האלגוריתם החדש השתמש בטכניקות למידת מכונה כדי לסווג משתנים על פי הערכים ההיסטוריים. על ידי זיהוי סוגי הכשלים דרך התקלות והמקרים בממירים, האלגוריתם יכול לזהות מגוון של בעיות, כולל תקלות ברשת החשמל, עומס יתר, עומס נמוך, עומס כדי לחוץ ועוד.
כדי לבדוק את יעילותו של הגישה, החוקרים ביצעו ניסויים על שני מערכות ממוקמות בקרקע, המצוידות בממירים מהיצרן הגרמני המוכר SMA. על ידי ניתוח המשתנים של כל ממיר, האלגוריתם זיהה בהצלחה סוגים שונים של כשלים.
הנתונים שנאספו מהניסויים עובדו בהמודלים לחץ עץ דק, עץ בינוני, ועץ גס. אלו הם מודלים שבמקרה הנוכחי משתמשים בקבוצה של כללים לחלק את המרחב התכונה לקטעים קטנים יותר עם ערכי תגובה דומים, מה שמאפשר חזית ביצועים.
אחת מממצאי המחקר היה היכולת של האלגוריתם לזהות שינויים עונתיים בכשלים בממירים, החוקרים דגשו על החשיבות של שיקולים מבוססי נתונים בייכולת למסווג אופנים של כשלים בתתי מערכות הממירים.
בנוסף, החוקרים הציעו פתרון להגנה על ממירים ממשט בעזרת מעגלי קלמפ המחוברים לתנאי התכנון המקביליים. הגישה הזו מבטיחה לא רק יעילות גבוהה במרתון המתח-הספק, אלא גם תחדיר חשמל עקבי למקור המתח הכניסה.
תוצאות המחקר הם מאמר בפרסום בכותרת "למידת מכונה עבור ניטור וסיווג בממירים מתחמי אנרגית פוטווולטאיקה," שמספקות ראיות ערך ליישום הלמידה מכונה בתחום האנרגיה המתחדשת. האלגוריתם מציע פתרון יעיל מבחינת עלויות לזיהוי כשלים פוטנציאליים בממירים, דבר המשפר את הביצועים הכוללים והאמינות של תחנות סולאריות.
The source of the article is from the blog bitperfect.pe