شناسایی و تشخیص هوشمند خطا در سامانه های خورشیدی از طریق روش های یادگیری ماشین

انرژی الکتریکی در قرنهای اخیر به جزئی جداییناپذیر از زندگی بشر تبدیل شده است. با افزایش جمعیت و توسعه ی صنایع، اهمیت این شکل از انرژی هر روز بیشتر می شود. یکی از مواردی که برای تولید انرژی الکتریکی از دیرباز مطرح بوده است، استفاده از سوختهای فسیلی در راستای تولید انرژی الکتریکی است. وابستگی به سوختهای فسیلی مشکلات عدیده ای را در تولید توان الکتریکی به وجود آورده است. از اساسی ترین این مشکلات میتوان به پایان پذیری منابع سوخت فسیلی و ایجاد آلاینده های هوایی در محیط زیست اشاره کرد. منابع سوخت فسیلی به عنوان انرژیهای تجدید ناپذیر برشمرده میشوند، درنتیجه این منابع به زودی به پایان میرسند. ازاین رو باید برای آینده منابعی را برای آنان جایگزین نمایند. با توجه به اینکه انرژی الکتریکی تولیدی درسامانه های فتوولتائیک دارای سطح ولتاژ DC هستند، تجهیزات حفاظت متداول همچون فیوزها نمیتوانند انتخاب مطلوبی برای حفاظت از این سامانه ها باشند. از سوی دیگر وجود کنترل کننده های متعدد در سامانه های فتوولتائیک همانند سیستم تعقیب توان حداکثر (MPPT)۱ با تاثیر بر خروجی های سیستم میتواند باعث پیچیده تر نمودن شرایط خطا شود و تشخیص آن را دشوار نماید. ازاین رو، در این مقاله هدف اصلی ارائه ی یک طرح تشخیص خطا برای سامانه های فتوولتائیک است، که شامل خطاهای قطب به قطب داخل رشته، قطب به قطب بین دو رشته و مدارباز می شود. در این راستا استفاده از یک فن ترکیبی مبتنی بر هوش مصنوعی و استخراج ویژگی پیشنهادشده است. نتایج بر اساس مدل شبیه سازی مورد تجزیه وتحلیل قرارگرفته است و دقت و قابلیت اطمینان روش پیشنهادی با استفاده از ماتریس درهم ریختگی نشان داده شده است.

Keywords:

سامانه ی خورشیدی , تشخیص خطا , یادگیری ماشین