| 试验项目名称 |
PV Investigator – 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: P-0310) |
| 已配对创科愿望 |
|
| 已配对创科方案 |
|
| 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
|
| 试验资料 |
| 试验地点 |
: |
在学校天台实验 |
| 试验规模 |
: |
3个试点 |
| 试验期限 |
: |
2024年5月 至 2025年6月 |
|
| 附加方案资料 |
PV Investigator - AFDD - Trial Application and Expected Outcome - v2.pptx
|
| 方案提供者资料 |
|
