創科方案 |
自動故障檢測和診斷(AFDD)太陽能發電系統狀況的人工智能工具
(編號: S-1605) |
試驗項目 |
|
方案特點 |
- 基於Python的自適應AFDD光伏站發電預測模型,嵌入雲平台,利用機電署和其他第三方太陽能電站的歷史數據進行AI訓練
- AFDD 模型將緩解通常需要數年現場數據標註的需求,並可為有限目標數據的站點提供精度令人滿意的發電輸出預測
- 使用 AFDD 的自動複合故障檢測和診斷功能, 檢測有可能出現故障的光伏電站設備
- 能結合光伏板直流輸出和逆變器故障碼數據,進一步豐富 AFDD 故障預測,例如能夠判斷哪個光伏組串老化得快一些
- 使用自有和第三方數據進行AI訓練,能持續提高 AFDD 自適應和泛化水平。這減輕了新站點專用微調AI模型的建設成本
|
試驗應用及預期成果 |
- 線上設備狀況評估報告, 建立: - 關鍵參數檢測 - 決策支援 去系統性分析設備實際和使用AI預測的性能表現
- 光伏站點運營商將獲得光伏設備提前故障警報,在早期指示系統異常,以更少的人力最大限度地減少系統停機時間
- 根據 AFDD 模型報告的光伏設備狀況,系統管理員可以規劃基於狀況的光伏預測性維護策略
- 有效地將深度神經網路學習的AFDD模型進行故障分類,並轉移到歷史數據不足的光伏站點,立即對進行光伏設備評估
- 通過現場攝影機以及影像分析自動故障檢測演算法來檢測和驗證故障, 例如: 光伏板和支撐結構的物理性損壞
|
附加方案資料 |
PV Investigator - AFDD - Trial Application and Expected Outcome - v2.pptx
|
方案提供者資料 |
|