Badacze z Marri Laxman Reddy Institute of Technology and Management w Hajdarabadzie, Narodowego Instytutu Technologii Andhra Pradesh w Tadepalligudem oraz CVR College of Engineering w Ibrahimpatnamie opublikowali w czasopiśmie Results in Engineering efekty swoich prac nad systemem pomagającym identyfikować uszkodzenia w dużych instalacjach fotowoltaicznych.
Czytaj też: Najnowszy raport URE odsłania prawdę o fotowoltaice w Polsce
Naukowcom przyświecała idea, aby można było w łatwy i szybki sposób rozpoznawać sytuację, gdy w panelach słonecznych dochodzi do przegrzania się, samozapłonu lub innych działań niepożądanych. Wczesna identyfikacja problemów pozwalałaby na odpowiednio sprawne i prędkie wyłączenie wadliwej części instalacji i tym samym zapobiegnięcie nagłym spadkom mocy (o destrukcji znacznej części paneli nie wspominając).
System indyjskich naukowców przewidzi awarie w fotowoltaice. Wstępne badania to potwierdzają
Badania polegały na zastosowaniu tzw. techniki wielowarstwowej sieci neuronowej (ang. Multilayer Neural Network, MLNN) – techniki uczenia maszynowego, która może obsługiwać złożone relacje poprzez uczenie się ich hierarchicznej reprezentacji. Uczeni wyszkolili model na olbrzymim zbiorze danych obejmującym duży zasięg czasowy.
Czytaj też: Osobliwa “terapia” Chin sprzyja fotowoltaice. Te perowskity prześcignęły jakością resztę świata
Z artykułu możemy dowiedzieć się, że technikę przetestowano na hipotetycznym systemie fotowoltaicznym o mocy 22,5 kW. Naukowcy wykazali skuteczność w wykrywaniu awarii na poziomie 98,76 proc. Model wykrywał, klasyfikował i lokalizował uszkodzenia zarówno typu linia-ziemia, jak i linia-linia. Niekwestionowaną zaletą MLNN jest to, że wymaga ona zainstalowania tylko jednego czujnika prądu dla każdego z ciągu modułów.
„Proponowana technika wielowarstwowej sieci neuronowej może rozwiązywać dowolne nieliniowe złożone obliczenia, obsługiwać dużą ilość danych wejściowych na tematów błędów paneli i szybko przewidywać uszkodzenia” – zachwalają indyjscy naukowcy. Ich zdaniem algorytm można stosować w instalacjach fotowoltaicznych o dowolnej wielkości.
Czytaj też: Holendrzy zapowiadają punkt zwrotny w fotowoltaice. To kwestia kilku lat
Na razie jego skuteczność została potwierdzona w środowisku eksperymentalnym. Jeśli narzędzie miałoby pojawić się w praktycznym zastosowaniu przy dużych farmach słonecznych, to czeka je jeszcze długo okres testów na rzeczywistych modułach. Miejmy nadzieję, że w takim środowisku MLNN również będzie tak doskonale lokalizować wszelakie uszkodzenia i potencjalne miejsca większych awarii.
