Методика и программное средство поиска аномалий в данных телеметрии солнечной электростанции на основе анализа нормализованных значений мощности

Цели. В связи с увеличением количества солнечных электростанций актуальной задачей становится автоматизация мониторинга их работоспособности. Поиск аномалий в работе солнечных электростанций – одна из основных составляющих мониторинга. Цель исследования заключается в разработке новых методик и программных алгоритмов поиска аномалий в работе солнечных панелей на основе результатов работы цифрового двойника, созданного и обученного по данным телеметрии солнечной электростанции.
Методы. Методика основана на статистических исследованиях отклонений значений мощности в точке максимально эффективной работы солнечной панели, рассчитанной цифровым двойником. Кроме того, введено нормализованное значение мощности максимально эффективной работы солнечной панели для более точной кластеризации и поиска аномалий.
Результаты. С помощью разработанной методики поиска аномалий в данных телеметрии за полгода наблюдений обнаружены 18 аномалий в работе солнечных панелей электростанции. Все случаи проанализированы на предмет причин возникновения аномалий в работе солнечных панелей.
Заключение. Установлено, что при использовании в анализе отклонений нормализованных значений мощностей в точке максимальной мощности PN возможно обнаружение аномальной работы отдельных панелей. Рассчитан уровень отклонения нормализованных значений в точке максимальной мощности, свидетельствующий о наличии аномалии в работе солнечной панели.

1. Dorin, P. Modelling and simulation of photovoltaic cells / P. Dorin, C. Farcas, I. Ciocan // ACTA Technica Napocensis. – 2008. – Vol. 49, no. 1. – Р. 42–47.

2. Modeling and simulation of energy recovery from a photovoltaic solar cell / Adeniyi O. D. [et al.] // Nigerian J. of Technological Research. – 2016. – Vol. 11. – Р. 26–31.

3. MATLAB/Simulink based modelling of solar photovoltaic cell / T. Salmi [et al.] // Intern. J. of Renewable Energy Research. – 2012. – Vol. 2, no. 2. – Р. 213–218.

4. Tina, G. Monitoring and diagnostics of photovoltaic power plants / G. Tina, F. Cosentino, C. Ventura // Renewable Energy in the Service of Mankind / ed. A. Sayigh. – Springer, Cham, 2016. – Vol. 2. – Р. 505–516.

5. Ibbini, M. Analysis and design of a maximum power point tracker for a stand-alone photo voltaic system using simscape / M. Ibbini, A. Adawi // Intern. J. of Advanced Trends in Computer Science and Engineering. – 2019. – Vol. 8, no. 1. – Р. 54–57.

6. Rashid, Md. M. Design and construction of the solar photovoltaic simulation system with the implementation of MPPT and boost converter using Matlab/Simulink / Md. M. Rashid, A. Habib, M. Mahdi Hasan // Asian J. of Current Research. – 2018. – Vol. 3, no. 1. – Р. 27–36.

7. Flatness-based control for the maximum power point tracking in a photovoltaic system / G.-A. Leopoldo [et al.] // Energies. – 2019. – Vol. 12. – P. 1843–1862. https://doi.org/10.3390/en12101843

8. Modeling of PV module with consideration of environmental factors / N. Kishor [et al.] // 2010 IEEE PES Innovative Smart Grid Technologies Conf. Europe (ISGT Europe), Gothenburg, Sweden, 11–13 Oct. 2010. – Gothenburg, 2010. – Р. 121–126.

9. Simulation of PV array output power for modified PV cell model / N. Kishor [et al.] // 2010 IEEE Intern. Conf. on Power and Energy, Kuala Lumpur, Malaysia, 29 Nov. – 01 Dec. 2010. – Kuala Lumpur, 2010. – Р. 533–538.

10. Steady-state model and power flow analysis of grid-connected photovoltaic power system / Y. Wang [et al.] // 2008 IEEE Intern. Conf. on Industrial Technology, Chengdu, China, 21–24 Apr. 2008. – Chengdu, 2008. – Р. 1–6.

11. Virtual laboratory for testing of solar power plants in big data analysis / R. M. Asimov [et al.] // Collection of Materials of the V Intern. Scientific and Practical Conf. "Big Data and Advanced Analytics", Minsk, 13–14 Mar. 2019. – Minsk, 2019. – Р. 61–65.

12. Asipovich, V. S. Digital twin in the analysis of a big data / V. S. Asipovich, R. M. Asimov, S. V. Chernoshey // Collection of Materials of the IV Intern. Scientific and Practical Conf. "Big Data and Advanced Analytics", Minsk, 3–4 May 2018. – Minsk, 2018. – Р. 69–78.

13. Digital twin for PV module fault detection / S. Valevich [et al.] // J. of Engineering Science. – 2020. – Vol. XXVII, no. 4. – Р. 80–87.

14. Digital twin for PV plant’s power generation analysis / R. M. Asimov [et al.] // Collection of Materials of the VI Intern. Scientific and Practical Conf. "Big Data and Advanced Analytics", Minsk, 20–21 May 2020. – Minsk, 2020. – Р. 78–88.

15. Информационное обеспечение мониторинга технического состояния солнечных электростанций / С. В. Валевич [и др.] // Информационные технологии. – 2020. – Т. 26, № 10. – С. 594–601.