Группа исследователей из Университета Лиссабона разработала передовой алгоритм машинного обучения, способный успешно классифицировать и предсказывать потенциальные отказы инверторов в фотоэлектрических (ФЭ) станциях большой мощности. Анализируя данные и подсистемы инверторов, алгоритм определяет достижение максимальных и минимальных значений, а также отправляет предупреждения операторам о возможных отказах.
Алгоритм категоризирует переменные на основе их исторических значений, что позволяет определить различные типы отказов. В число таких отказов входят: сбои в сети, перенапряжение в сети, временное перенапряжение в сети, недо-напряжение в сети, пониженное напряжение, временное повышение тока переменного тока, перезагрузка сети, пониженная частота сети, отсутствие электроэнергии в сети, избыточный изоляционный ток, неисправность в сети питания, 10-минутное перенапряжение в сети, перегрузка вывода и несбалансированная нагрузка сети.
Для проверки эффективности алгоритма исследователи изучили две наземные ФЭ-системы мощностью 140 кВт и 590 кВт, оснащенные инверторами немецкого производителя SMA. Алгоритм анализировал переменные каждого инвертора и успешно определял типы отказов.
Алгоритм использует модели основанные на деревьях для анализа данных. Эти модели используют правила разделения для разбиения пространства признаков на более мелкие области с похожими значениями отклика, что обеспечивает точное предсказание и классификацию отказов.
Исследователи отмечают, что алгоритм не только способен идентифицировать отказы инверторов, но также демонстрирует потенциал для анализа сезонных изменений этих отказов. Эта информация может быть чрезвычайно ценной для анализа надежности и планирования технического обслуживания.
В заключение исследователи предлагают внедрить меры для защиты инверторов от включения и избыточного тока путем использования зажимных цепей, подключенных параллельно резонансной емкости. Такой подход может значительно повысить эффективность преобразования энергии инверторов.
Разработка этого нового алгоритма машинного обучения предоставляет многообещающее решение для предсказания и предотвращения отказов инверторов в солнечных электростанциях, что гарантирует продолжительную оптимальную работу фотоэлектрических установок крупномасштабной мощности.
The source of the article is from the blog qhubo.com.ni