Tiimi tutkijoita Portugalin Lissabonin yliopistosta on kehittänyt läpimurron tehneen koneoppimisalgoritmin, joka kykenee luokittelemaan ja ennustamaan tarkasti invertterivikoja suurikokoisissa aurinkoenergialaitoksissa. Seuraamalla invertterien alajärjestelmiä ja analysoimalla dataa, algoritmi pystyy lähettämään hälytyksiä, kun maksimi- ja minimiarvot saavutetaan, tarjoten varhaisia varoituksia mahdollisista vioista.
Toisin kuin perinteiset menetelmät, jotka perustuvat manuaalisiin tarkastuksiin ja analyysiin, tämä uusi algoritmi käyttää koneoppimistekniikoita muuttujien luokittelussa historiallisten arvojen perusteella. Tunnistamalla vikojen tyypit invertterivirheiden ja esiintymien avulla, algoritmi pystyy määrittämään joukon ongelmia, kuten verkkojännitehäiriöt, ylijännite, alijännite, alhainen jännite, ylikuormitus ja muut.
Tehokkuuden testaamiseksi tutkijat suorittivat kokeita kahdessa maahan asennetussa aurinkoenergialaitoksessa, joissa molemmissa oli inverttereitä tunnetulta saksalaiselta valmistajalta SMA:lta. Analysoimalla jokaisen invertterin muuttujia algoritmi tunnisti onnistuneesti erilaisia vikatyyppejä.
Kokeista kerätty data käsiteltiin hienoilla, keskisuurilla ja karkeilla puumallisilla ennustemalleilla. Nämä puupohjaiset mallit käyttävät joukkoa jako-ohjeita jakamaan ominaisuusavaruuden pienempiin alueisiin, joilla on samanlaisia vastearvoja, mahdollistaen tarkat ennakoinnit.
Yksi tutkimuksen keskeisimmistä tuloksista oli algoritmin kyky havaita kausivaihtelut invertterivioissa paremman luotettavuusanalyysin mahdollistamiseksi. Tutkijat korostivat datavetoisen arvioinnin tärkeyttä invertterivirheiden luokittelussa.
Lisäksi tutkijat ehdottivat ratkaisua inverttereiden virtapistevirroilta ja ylivirroilta suojautumiseksi yhdistämällä puristushaarat resonanssikapasitanssiin rinnan. Tämä lähestymistapa varmistaa paitsi korkean tehonmuunnoshyötysuhteen myös regeneroi puristusvirran lähtöjännitelähteeseen.
Tämän tutkimuksen tulokset, jotka esiteltiin julkaisussa ”Koneoppiminen inverttereiden valvonnassa ja luokittelussa aurinkoenergialaitoksissa”, tarjoavat arvokkaita oivalluksia koneoppimisen soveltamisesta uusiutuvan energian alalla. Algoritmi tarjoaa kustannustehokkaan ja tehokkaan ratkaisun potentiaalisten invertterivikojen tunnistamiseen, parantaen lopulta aurinkoenergialaitosten kokonaissuorituskykyä ja luotettavuutta.
The source of the article is from the blog smartphonemagazine.nl