Нов алгоритъм разпознава слаби низове във фотоволтаични системи

Немски изследователи са разработили алгоритъм за прогнозиране и идентифициране на загуби и „слаби места“ при добива на фотоволтаична електроенергия. Това става чрез разпознаване на по-слабо работещите панелни низове без нужда от допълнителни данни за времето.

Алгоритъмът може да се използва за проверка на модули, низове, масиви, инвертори и трансформатори. Той е дело на изследователи от Forschungszentrum Jülich GmbH в Германия.

Системата за откриване и количествено определяне на недостатъчната производителност на фотоволтаичните инсталации се описва от учените като алтернатива на стандартния анализ на коефициента на ефективност (PR), който описва връзката между действителните и теоретичните енергийни изходни мощности на дадена фотоволтаична инсталация. Според изследователите, алгоритъмът използва низ от фотоволтаичната система с максимална мощност като референция.

„Изходният капацитет на други низове е зададен във връзка със съответната стойност на референтния низ, което води до количество, което наричаме коефициент на саморефериране (SR)“, обясниха учените. „Ние сравняваме това съотношение с установеното съотношение на ефективност, което изисква данни за слънчевата радиация.“

[related-posts]

Групата е тествала новия подход върху фотоволтаична електроцентрала с мощност 9 MW в Германия. Съоръжението, което работи от 2011 г., разполага с трифазни инвертори, разположени в 1719 стринга. „Трите низа, принадлежащи на един инвертор, са инсталирани на една монтажна стойка, разположена в три реда“, казаха учените.

Те с потвърдили резултатите от тестовете си с инфрачервено изображение и анализ на напрежението и са открили, че новият алгоритъм може да предскаже и идентифицира загуби на добива на низове – или низове с недостатъчна производителност – без допълнителни данни за времето. Според учените, този метод за саморефериране може да идентифицира местни различия, дължащи се на разположението на централата и стареенето на компонентите.

Системата може да се използва за проверка на слънчеви модули, низове, масиви, инвертори и трансформатори.

„Загубите отвъд очакваното влошаване могат да бъдат оценени и да служат за основа за вземане на решения за експлоатацията и поддръжката“, казват учените. „Очакваме и допълнителни предимства – чрез прилагане на метода за саморефериране за проучвания на деградацията на времеви серии и анализ на първопричината чрез машинно обучение и комбиниране с различни източници на данни, например образни данни.“