A data-driven approach for power loss detection in utility-scale solar power plants

Gjennom en økt industriell utvikling sentrert rundt solcelleteknologi, volumøkning og komponent relaterte kostnader, har drift og vedlikehold av solcellesystemer vokst frem som et av de viktigste områdene for forskning og utvikling på verdensbasis. Formålet med denne oppgaven er bruke data fra ett storskala solcelleanlegg for å detektere effekttap på anlegget og å tilby operatørene av anlegget varsler om system oppførsel utenom det vanlige. For å angi hva som er oppførsel utenom det vanlige beregnes forholdet mellom målte verdier fra system og estimerte verdier for hvordan system burde oppføre seg. De estimerte verdiene er beregnet basert på fysiske modeller og maskinlæringsmodeller. Etter en evaluering av modellene viser det seg at ikke-lineære maskinlæringsmodeller har høyest evne til å estimere de målte verdiene for effekt, strøm og spenning til flere invertere på anlegget. Modellene baserer seg på målt solinnstråling og en estimert temperatur på solcellene. Videre blir det vist at maskinlæringsmodellene gjør det bedre når flere variabler er inkludert, som inverter temperatur, cosinus og sinus transformasjoner av dagen på året, timen på døgnet og andre variabler som beskriver sky-forholdene. Resultatet er at den beste maskinlæringsmodellen har en gjennomsnittlig usikkerhet i intervallet mellom gjennomsnittlig og maksimal måleusikkerhet for strøm, spenning og effekt. Fysiske modeller og den beste maskinlæringsmodellen blir så brukt for å detektere hendelser som gir effekttap på inverteren. Resultatet, basert på de beregnede terskelverdiene, er at modellene virker å kunne detektere tilsmussing av solcellemodulene og hendelser hvor flere strenger underpresterer i forhold til forventet produksjon. Fra resultatene ser det ut til at tilsmussing av solcellemodulene er høyest midt i anlegget fra øst til vest. Modellene klarer derimot ikke å detektere hendelser hvor et par stringer er frakoblet eller hvor ytelsen til ett eller flere streng-par synker gradvis. Majoriteten av de detekterte hendelser er tilfeller hvor ...