يتوقع الباحثون السلوفاكيون إنتاج العاكس الكهروضوئي بدون أجهزة استشعار الطقس

قام فريق بحث بقيادة علماء من جامعة قسطنطين الفيلسوف السلوفاكية في نيترا بتطوير نموذج تنبؤي جديد لاكتشاف الانحرافات-والعاكسات الكهروضوئية في التركيبات التجارية. يستخدم إطار العمل الجديد القائم على-التعلم-البيانات الزمنية والكهربائية فقط، دون الاعتماد على أجهزة الاستشعار البيئية.

"تم اختيار الخوارزميات المختارة، Random Forests للتنبؤ وتحليل نقاط Z- للكشف عن الحالات الشاذة، نظرًا لقوتها وقابليتها للتفسير وملاءمتها لمجموعات البيانات الصغيرة ولكنها عالية التردد-، مما يجعلها متوافقة جيدًا-مع عمليات نشر المراقبة العملية للطاقة الكهروضوئية،" قال الأكاديميون. "علاوة على ذلك، تتم معالجة غياب بيانات الإشعاع أو درجة الحرارة بشكل واضح من خلال إنشاء وكلاء يعتمدون على الوقت - (أنماط الساعة واليوم وأيام الأسبوع) لالتقاط سلوك توليد الطاقة الشمسية الدوري."

يستخدم النموذج بيانات تشغيلية حقيقية-من محطة كهروضوئية متصلة بالشبكة-في غرب سلوفاكيا، بما في ذلك محولين بقدرات مقدرة تبلغ 30 كيلووات و40 كيلووات. تم جمع بيانات العاكس وطاقة الشبكة وجهد الشبكة بدقة -خمس دقائق من يناير. 1 إلى فبراير. 1، 2025، باستخدام العاكس ومستشعرات مراقبة الشبكة.
 

لتمكين تحليل التعلم الآلي، كانت المعالجة المسبقة مطلوبة. وبعد ذلك، تم تدريب Random Forest Regressor على التنبؤ بخرج طاقة العاكس الفعلي (كيلوواط) في كل خطوة مدتها خمس-. وفي وقت لاحق، تم استخدام مصنف الغابات العشوائية لتعيين الطاقة المستمرة للحالات التشغيلية، وهي منخفضة ومتوسطة وعالية. ويمكنه تصنيف الحالة الحالية وكذلك الحالة المستقبلية، قبل ساعة واحدة. وأخيرًا، تم استخدام تحليل درجة Z- لتحديد مدى انحراف القدرة الفعلية عن القوة المتوقعة. تم وضع علامة على القيم التي تجاوزت العتبة الإحصائية على أنها حالات شاذة.

أظهرت النتائج أن "Random Forest Regressor حقق دقة عالية في التنبؤ بالطاقة (R²=0.995، متوسط ​​الخطأ المطلق=0.12 kW)، بينما صنفت نماذج التصنيف مستويات الإخراج بدقة 100% في ظل ظروف ثابتة". "كشف اكتشاف الحالات الشاذة باستخدام تحليل نقاط Z- عن قيم متطرفة هامة، خاصة أثناء فترات الإنتاج العالية-. ومع ذلك، كشف التصنيف المسبق بساعة واحدة-عن انخفاضات كبيرة في الأداء التنبؤي (الدقة=36.4%)، مما يسلط الضوء على الصعوبة الكامنة في التنبؤ في ظل الظروف البيئية المتغيرة."

وفي الختام، أضاف فريق البحث أنه "على عكس الأعمال الحديثة الأخرى، التي تدمج بيانات الأرصاد الجوية والبيانات السياقية للتشخيص متعدد المستويات-، يعمل النموذج المقترح فقط على القياسات الكهربائية الجانبية للعاكس والشبكة-. يسلط هذا التمييز الضوء على القيمة العملية للنهج المعروض في السيناريوهات التي تفتقر إلى أجهزة الاستشعار البيئية، مما يوفر بديلاً شفافًا وفعالًا من الناحية الحسابية لاكتشاف الحالات الشاذة القابلة للتفسير."

تم تقديم إطار العمل في "النمذجة التنبؤية والكشف عن الشذوذ في محولات الطاقة الشمسية الكهروضوئية باستخدام التعلم الآلي"، والذي تم نشره مؤخرًا في نتائج الهندسة. وشارك في البحث علماء من جامعة قسطنطين السلوفاكية للفلسفة في نيترا، وجامعة أوبودا المجرية، وجامعة جنوب بوهيميا التشيكية في تشيسكي بوديوفيتش.