Tim istraživača s Sveučilišta u Lisabonu u Portugalu razvio je revolucionarni algoritam strojnog učenja koji može pouzdano klasificirati i predvidjeti kvarove invertera u velikim solarnim elektranama. Analiziranjem podataka i praćenjem podsustava invertera, algoritam može poslati upozorenja kada se dosegnu maksimalne i minimalne vrijednosti, pružajući rano upozorenje na potencijalne kvarove.
Za razliku od tradicionalnih metoda koji se oslanjaju na ručnu inspekciju i analizu, ovaj novi algoritam koristi tehnike strojnog učenja za klasificiranje varijabli na temelju povijesnih vrijednosti. Identificiranjem tipova kvarova putem pogrešaka i pojava u inverterima, algoritam može utvrditi razne probleme, uključujući kvarove na mreži, prenaponske, podnaponske, niske napone, preopterećenje izlaza i druge.
Kako bi testirali učinkovitost ovog pristupa, istraživači su proveli eksperimente na dvije postavljene tlo elektrane, obje opremljene inverterima renomiranog njemačkog proizvođača SMA. Analizirajući varijable svakog invertera, algoritam je uspješno identificirao različite vrste kvarova.
Podaci prikupljeni tijekom eksperimenata obrađeni su pomoću modela predviđanja temeljenih na drvu, koji su koristili niz pravila podjele za podjelu prostora značajki na manje regije s sličnim vrijednostima odgovora, što omogućuje točna predviđanja.
Jedno od ključnih otkrića studije bila je sposobnost algoritma da otkrije sezonska odstupanja u kvarovima invertera, što omogućuje bolju analizu pouzdanosti. Istraživači su istaknuli važnost evaluacije temeljene na podacima prilikom klasifikacije načina kvara unutar podsustava invertera.
Osim toga, istraživači su predložili rješenje za zaštitu invertera od naglih struja i prekoračenja struje uključivanjem spojnih krugova na rezonantnim kondenzatorima paralelno. Ovaj pristup ne samo da osigurava visoku energetsku učinkovitost, već i regenerira struju sklopa u izvoru ulaznog napona.
Rezultati ove studije, predstavljeni u publikaciji “Strojno učenje za praćenje i klasifikaciju u inverterima solarnih fotonaponskih elektrana”, pružaju vrijedne uvide u primjenu strojnog učenja u području obnovljive energije. Algoritam nudi ekonomično i učinkovito rješenje za identifikaciju potencijalnih kvarova invertera, što u konačnici poboljšava ukupnu izvedbu i pouzdanost solarnih elektrana.
The source of the article is from the blog combopop.com.br