Egy kutatócsoport a lisaboni egyetemen kifejlesztett egy fejlett gépi tanulási algoritmust, amely sikeresen osztályozza és megjósolja az inverter meghibásodásának lehetőségét a nagyméretű fotovoltaikus (PV) erőművekben. Az algoritmus az inverter alrendszerét figyelve és az adatok elemzésével képes észlelni, amikor a maximális és minimális értékeket elérik, és figyelmeztetéseket küld, hogy tájékoztassa a kezelőket a potenciális meghibásodásról.
Az algoritmus az adott változókat korábbi értékeik alapján kategorizálja, lehetővé téve különböző típusú meghibásodások azonosítását. Ide tartoznak a hálózati hibák, hálózati túlfeszültség, ideiglenes hálózati túlfeszültség, hálózati aluláram, alacsony feszültség, ideiglenes váltakozó áram túlterhelés, hálózati túlgyakoriság, hálózati túlhullámosság, hálózati szünet, túlzott szivárgó áram, az ellátó hálózati hiba, hálózati túlfeszültség 10 percig, kimeneti túlterhelés és egyensúlyhiány a hálózati eszközhöz tartozó meghibásodás esetén.
Az algoritmus hatékonyságát tesztelendő, a kutatók két föld felszíni PV rendszert vizsgáltak, melyek kapacitása 140 kW és 590 kW volt, mindkettőt német SMA gyártótól származó inverterekkel szereltek fel. Az algoritmus vizsgálta az egyes inverterek változóit, és sikeresen azonosította a tapasztalt meghibásodások típusait.
Az algoritmus fa-alapú modelleket használ az adatok elemzéséhez. Ezek a modellek megosztási szabályokat használnak a jellemzőterek kisebb régiókra való felosztására, amelyek hasonló válaszértékeket mutatnak, így pontos előrejelzést és osztályozást tesznek lehetővé a meghibásodásokra vonatkozóan.
A kutatók kiemelik, hogy az algoritmus nemcsak inverter meghibásodásokat képes azonosítani, hanem bemutatja a meghibásodások szezonális változásainak elemzésének lehetőségét is. Ez az információ rendkívül értékes lehet megbízhatósági elemzésekhez és karbantartási tervekhez.
Összefoglalásképpen a kutatók javasolják intézkedések bevezetését az inverterek védelme érdekében a bekapcsoláskor fellépő áramlökések és túláramok ellen, olyan kapcsok használatával, amelyek párhuzamosan vannak csatlakoztatva rezonáns kapacitáshoz. Ez az eljárás jelentősen javíthatja az inverterek átalakítási hatékonyságát.
Ez az újszerű gépi tanulási algoritmus fejlesztése ígéretes megoldást nyújt az inverter meghibásodások előrejelzésére és megelőzésére a napenergia-erőművekben, biztosítva a nagyméretű PV berendezések optimalizált működésének folyamatosságát.
The source of the article is from the blog be3.sk