تشخیص و طبقه بندی خطا در مزارع فتوولتائیک با استفاده از ترکیب طبقه بندها

بهره وری عملیاتی مزارع انرژی خورشیدی مستلزم تجزیه و تحلیل دقیق اطلاعات روی هر پنل در مورد ولتاژ جریان دما و تابش است. نظارت بر آرایه های خورشیدی هزینه تعمیر و نگهداری را به حداقل میرساند و به بهینه سازی عملکرد آرایه های فتوولتائیک (PV) تحت شرایط مختلف کمک میکند در این مقاله از چندین رویکرد هوش مصنوعی برای شناسایی و برآورد خطاهای الکتریکی در مزارع فتوولتائیک استفاده نمودیم تکنیکهای پیشنهادی با استفاده از اندازه گیری های جریان PV توزیع شده جریان نیروگاه ولتاژ نیروگاه و توان طراحی شدند انواع مختلف خطا از جمله خطای رشته خطای رشته به زمین و خطای رشته به رشته در مزرعه PV در نظر گرفته شد با استفاده از محیط سیمولینک نرم افزار MATLAB یک مزرعه فتوولتائیک ۲۵۰ کیلوواتی متصل به شبکه پیاده سازی شد. طبقه بندی کننده های انتخاب شده مورد ارزیابی قرار گرفتند و عملکرد آنها با توجه به معیار صحت طبقه بندی و سطح زیر منحنی مقایسه شد. نتایج شبیه سازی نشان داد که الگوریتم آدابوست بهینه سازی شده بهترین عملکرد را در تشخیص خطا و طبقه بندی عیوب پنلهای خورشیدی در بر دارد.

Keywords:

تشخیص خطا مزارع فتوولتائیک ترکیب طبقه بندها , آدابوست