Tytuł pozycji:
Monitoring, diagnosis and localization of the partial shading fault in a photovoltaic power plant with an approach by artificial neural networks
This paper aims to propose a useful modeling diagnostic method for solar plants. The study was performed on the basis of the localization of the failing panel obtained by an effective comparison of measured output voltages and estimator voltages. The comparison is done with the ideal solar plant using learning approach based on artificial neuronal network (ANN). The partial shading failure was detected by the given equation d²ΔV/dI²>0. The obtained results using MATLAB/Simulink environment show a satisfactory performance in terms of rapidity and precision under variable shading conditions.
Celem artykułu jest zaproponowanie użytecznej metody diagnostycznej modelowania dla elektrowni słonecznych. Badania przeprowadzono na podstawie lokalizacji uszkodzonego panelu uzyskanej poprzez efektywne porównanie zmierzonych napięć wyjściowych i napięć estymatorów. Porównanie jest dokonywane z idealną elektrownią słoneczną przy użyciu podejścia uczenia opartego na sztucznej sieci neuronowej (ANN). Częściowe zacienienie zostało wykryte za pomocą podanego równania d²ΔV/dI²>0. Uzyskane wyniki w środowisku MATLAB/Simulink wykazują zadowalające działanie pod względem szybkości i precyzji w zmiennych warunkach zacienienia.
Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).
