Slovakkia teadlased ennustavad PV-inverteri väljundit ilma ilmaanduriteta

Slovakkia Nitra Constantine the Philosopheri ülikooli teadlaste juhitud uurimisrühm on välja töötanud uue ennustava ja anomaaliate{0}}tuvastusmudeli kommertspaigaldistes kasutatavate PV-inverterite jaoks. Uudne masin{2}}õppe-põhine raamistik kasutab ainult ajalisi ja elektrilisi andmeid, ilma keskkonnaanduritele tuginemata.

"Valitud algoritmid, juhuslikud metsad ennustamiseks ja Z-skoori analüüs anomaaliate tuvastamiseks, valiti nende tugevuse, tõlgendatavuse ja sobivuse tõttu väikeste, kuid{1}}kõrge sagedusega andmekogumite jaoks, mistõttu on need hästi-ühildatud praktiliste PV-seire kasutuselevõtuga," ütlesid teadlased. "Lisaks käsitletakse kiirgustiheduse või temperatuuriandmete puudumist selgesõnaliselt aja{4}}põhiste puhverserverite (tundide, päevade ja nädalapäevade mustrid) loomisega, et jäädvustada päikeseenergia tsüklilise genereerimise käitumist."

Mudel kasutab reaalset-maailma tööandmeid, mis pärinevad võrku-ühendatud päikeseelektrijaamast Lääne-Slovakiast, sealhulgas kahte inverterit nimivõimsusega 30 kW ja 40 kW. Andmed inverteri, võrgu võimsuse ja võrgupinge kohta koguti viie-minutilise eraldusvõimega 2025. aasta jaanuarist. 1 kuni . 1. veebruarini, kasutades inverteri ja võrgu seireandureid.
 

Masinõppe analüüsi võimaldamiseks oli vaja eeltöötlust. Seejärel õpetati juhuslikku metsaregressorit ennustama inverteri tegelikku väljundvõimsust (kW) igal viie{1}}minutisel sammul. Seejärel kasutati juhuslikku metsaklassifikaatorit pideva võimsuse kaardistamiseks tööolekutele, nimelt madalale, keskmisele ja kõrgele. See võib klassifitseerida nii praeguse seisu kui ka tulevase oleku, tund aega ettepoole. Lõpuks kasutati Z-skoori analüüsi, et kvantifitseerida, mil määral tegelik võimsus erineb prognoositud võimsusest. Väärtused, mis ületasid statistilist läve, märgiti kõrvalekalletena.

"Juhuslik metsaregressor saavutas võimsuse prognoosimisel kõrge täpsuse (R²=0.995, keskmine absoluutviga=0.12 kW), samas kui klassifikatsioonimudelid liigitasid staatilistes tingimustes väljundtasemed 100% täpsusega," näitasid tulemused. "Anomaaliate tuvastamine Z-skoori analüüsi abil tuvastas olulisi kõrvalekaldeid, eriti kõrgete-tootmisintervallide korral. Üks-tunnine-eelne klassifitseerimine näitas aga prognoositava jõudluse (täpsus=36.4%) märkimisväärset langust, rõhutades prognoosimise loomupärast raskust muutuvates keskkonnatingimustes."

Lõpetuseks lisas uurimisrühm, et "erinevalt muudest hiljutistest töödest, mis integreerivad meteoroloogilisi ja kontekstuaalseid andmeid mitme{0}}tasandi diagnoosimiseks, töötab pakutud mudel ainult inverteri- ja võrgu-poolsetel elektrilistel mõõtmistel. See eristus toob esile esitatud lähenemisviisi praktilise väärtuse stsenaariumide puhul, kus puuduvad keskkonnaandurid, pakkudes läbipaistvat ja arvutuslikult tõhusat alternatiivi tõlgendatava anoomi tuvastamiseks."

Raamistik esitleti artiklis "Prognoositav modelleerimine ja anomaaliate tuvastamine päikeseenergia inverterites masinõppe abil", mis avaldati hiljuti ajakirjas Results in Engineering. Uurimistöös osalesid teadlased Slovakkia Constantine the Philosopher Universityst Nitras, Ungari Obuda ülikoolist ja Tšehhi Vabariigi Lõuna-Böömi ülikoolist České Budějovices.