| 試驗項目名稱 |
PV Investigator – 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: P-0310) |
| 已配對創科願望 |
|
| 已配對創科方案 |
|
| 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
|
| 試驗資料 |
| 試驗地點 |
: |
在學校天台實驗 |
| 試驗規模 |
: |
3個試點 |
| 試驗期限 |
: |
2024年5月 至 2025年6月 |
|
| 附加方案資料 |
PV Investigator - AFDD - Trial Application and Expected Outcome - v2.pptx
|
| 試驗報告 - 總結報告 |
EMSD-M&V-P0310-W0509-S1605_Final.pdf(只提供英文版本)
|
| 方案提供者資料 |
|
