Uma equipe de pesquisadores da Universidade de Lisboa, em Portugal, desenvolveu um algoritmo inovador de aprendizado de máquina que é capaz de classificar e prever com precisão as falhas de inversores em usinas solares fotovoltaicas de grande escala. Ao monitorar os subsistemas do inversor e analisar os dados, o algoritmo é capaz de enviar alarmes quando os valores máximos e mínimos são atingidos, fornecendo avisos antecipados de possíveis falhas.
Ao contrário dos métodos tradicionais, que dependem de inspeção e análise manuais, este novo algoritmo utiliza técnicas de aprendizado de máquina para categorizar variáveis com base em valores históricos. Ao identificar os tipos de falhas por meio de erros e ocorrências do inversor, o algoritmo pode determinar uma variedade de problemas, incluindo falhas na rede, sobretensão, subtensão, baixa tensão, sobrecarga de saída e muito mais.
Para testar a eficácia da abordagem, os pesquisadores realizaram experimentos em dois sistemas solares fotovoltaicos montados no solo, ambos equipados com inversores do renomado fabricante alemão SMA. Ao analisar as variáveis de cada inversor, o algoritmo identificou com sucesso diferentes tipos de falhas.
Os dados coletados dos experimentos foram processados utilizando modelos de previsão com árvores finas, árvores médias e árvores grossas. Esses modelos baseados em árvore utilizam um conjunto de regras de divisão para dividir o espaço de características em regiões menores com valores de resposta semelhantes, permitindo previsões precisas.
Uma das principais descobertas do estudo foi a capacidade do algoritmo de detectar variações sazonais nas falhas do inversor, possibilitando uma melhor análise de confiabilidade. Os pesquisadores enfatizaram a importância da avaliação baseada em dados na classificação dos modos de falha nos subsistemas do inversor.
Além disso, os pesquisadores propuseram uma solução para proteger os inversores de sobretensão e sobrecorrente, incorporando circuitos de grampos à capacitância ressonante em paralelo. Essa abordagem não apenas garante alta eficiência na conversão de energia, mas também regenera a corrente de grampo para a fonte de tensão de entrada.
Os resultados deste estudo, apresentados na publicação “Aprendizado de Máquina para Monitoramento e Classificação em Inversores de Usinas de Energia Solar Fotovoltaica”, oferecem insights valiosos sobre a aplicação de aprendizado de máquina no campo da energia renovável. O algoritmo oferece uma solução eficaz e econômica para identificar possíveis falhas de inversores, melhorando, assim, o desempenho e a confiabilidade geral das usinas solares fotovoltaicas.
The source of the article is from the blog rugbynews.at