Cercetătorii slovaci prezic ieșirea invertorului fotovoltaic fără senzori de vreme

O echipă de cercetare condusă de oameni de știință de la Universitatea Constantin Filosoful din Nitra din Slovacia a dezvoltat un nou model predictiv și de-detecție a anomaliilor pentru invertoarele fotovoltaice din instalațiile comerciale. Noul cadru bazat pe-învățare-mașină utilizează numai date temporale și electrice, fără a se baza pe senzori de mediu.

„Algoritmii aleși, Random Forests pentru predicție și analiza scorului Z-pentru detectarea anomaliilor, au fost selectați pentru robustețea, interpretabilitatea și adecvarea lor pentru seturi de date mici, dar de înaltă-frecvență, făcându-le bine-aliniate cu implementările practice de monitorizare PV", au spus cercetătorii. „În plus, absența datelor de iradiere sau temperatură este abordată în mod explicit prin construirea de proxy-uri bazate pe timp-(modare oră, zi și zile lucrătoare) pentru a capta comportamentul ciclic al generației solare.”

Modelul utilizează date operaționale reale-lumea de la o centrală fotovoltaică-conectată la rețea din vestul Slovaciei, inclusiv două invertoare cu capacități nominale de 30 kW și 40 kW. Datele privind invertorul, puterea rețelei și tensiunea rețelei au fost colectate la o rezoluție de cinci-minute din ianuarie. 1 până în februarie. 1 2025, utilizând invertoare și senzori de monitorizare a rețelei.
 

Pentru a permite analiza învățării automate, era necesară preprocesarea. Ulterior, un regresor de pădure aleatoriu a fost antrenat pentru a prezice puterea reală a invertorului (kW) la fiecare pas de cinci-minute. Ulterior, un clasificator de pădure aleatoriu a fost folosit pentru a mapa puterea continuă la stările operaționale, și anume scăzut, mediu și ridicat. Ar putea clasifica starea actuală, precum și o stare viitoare, cu o oră înainte. În cele din urmă, a fost utilizată o analiză scor Z-pentru a cuantifica măsura în care puterea reală se abate de la puterea prezisă. Valorile care au depășit un prag statistic au fost marcate ca anomalii.

„Un Random Forest Regressor a obținut o fidelitate ridicată în predicția puterii (R²=0.995, eroare absolută medie=0.12 kW), în timp ce modelele de clasificare au clasificat nivelurile de ieșire cu o precizie de 100% în condiții statice”, au arătat rezultatele. „Detecția anomaliilor folosind analiza scorului Z-a identificat valori aberante semnificative, în special în timpul-intervalelor de producție ridicate. Cu toate acestea, clasificarea cu o-oră-a scos la iveală scăderi substanțiale ale performanței predictive (precizie=36.4%), evidențiind dificultatea inerentă a prognozei în condiții variabile de mediu.”

În concluzie, echipa de cercetare a adăugat că „spre deosebire de alte lucrări recente, care integrează date meteorologice și contextuale pentru diagnoza pe mai multe-niveluri, modelul propus funcționează numai pe măsurători electrice din partea invertorului și al rețelei-. Această distincție evidențiază valoarea practică a abordării prezentate în scenariile lipsite de senzori de mediu, oferind o alternativă transparentă și eficientă din punct de vedere computațional de interpretare a anomaliilor.

Cadrul a fost prezentat în „Modelarea predictivă și detectarea anomaliilor în invertoarele solare fotovoltaice folosind învățarea automată”, care a fost publicat recent în Results in Engineering. La cercetare au participat oameni de știință de la Universitatea Constantin Filosoful din Nitra din Slovacia, Universitatea Obuda din Ungaria și Universitatea din Boemia de Sud din Republica Cehă din České Budějovice.