В области фотовольтаики (PV) ключевым аспектом для повышения эффективности и надежности СЭС является своевременная диагностика неисправностей. Команда ученых из 🇨🇳China представила новый алгоритм сложения, значительно улучшающий процесс диагностики PV-модулей.

Алгоритм использует данные с ИК-изображений 🌡️ и анализирует их с помощью машинного обучения, чтобы определить дефекты модуля. Обнаружение варьируется от геометрических искажений до внутренних неисправностей, таких как горячие точки 🔥 и микротрещины.

Особенность метода - применение стекинга, при котором модели машинного обучения комбинируются для повышения точности диагностики. В исследовании были использованы три классификатора: наивный байесовский классификатор, случайный лес и k-наименьших соседей.

📈 По результатам тестирования на 223 PV-модулях, стекинг-метод показал точность диагностики 95.97%, что на 1.95% выше, чем у лучшей одиночной модели.

Применение таких технологий может существенно снизить временные и финансовые затраты на обслуживание СЭС, а также поможет избежать потерь мощности из-за неисправных элементов.

🏭 Авторы утверждают, что метод подходит для промышленного использования и может быть интегрирован в существующие системы мониторинга СЭС.

#PV #СЭС #Фотовольтаика #ИскусственныйИнтеллект #МашинноеОбучение #Диагностика #Инновации #Технологии #Энергосбережение #АльтернативнаяЭнергетика

Подробнее о методе и исследовании: https://www.pv-magazine.com/2024/03/12/stacking-algorithm-for-pv-module-fault-diagnosis/