创科方案 |
自动故障检测和诊断(AFDD)太阳能发电系统状况的人工智能工具
(编号: S-1605) |
试验项目 |
|
方案特点 |
- 基于Python的自适应AFDD光伏站发电预测模型,嵌入云平台,利用机电署和其他第三方太阳能电站的历史数据进行AI训练
- AFDD 模型将缓解通常需要数年现场数据标注的需求,并可为有限目标数据的站点提供精度令人满意的发电输出预测
- 使用 AFDD 的自动复合故障检测和诊断功能, 检测有可能出现故障的光伏电站设备
- 能结合光伏板直流输出和逆变器故障码数据,进一步丰富 AFDD 故障预测,例如能够判断哪个光伏组串老化得快一些
- 使用自有和第三方数据进行AI训练,能持续提高 AFDD 自适应和泛化水平。这减轻了新站点专用微调AI模型的建设成本
|
试验应用及预期成果 |
- 线上设备状况评估报告, 建立: - 关键参数检测 - 决策支援 去系统性分析设备实际和使用AI预测的性能表现
- 光伏站点运营商将获得光伏设备提前故障警报,在早期指示系统异常,以更少的人力最大限度地减少系统停机时间
- 根据 AFDD 模型报告的光伏设备状况,系统管理员可以规划基于状况的光伏预测性维护策略
- 有效地将深度神经网路学习的AFDD模型进行故障分类,并转移到历史数据不足的光伏站点,立即对进行光伏设备评估
- 通过现场摄影机以及影像分析自动故障检测演算法来检测和验证故障, 例如: 光伏板和支撑结构的物理性损坏
|
附加方案资料 |
PV Investigator - AFDD - Trial Application and Expected Outcome - v2.pptx
|
方案提供者资料 |
|