No/VOL: 11/2023 Page no. 157
Authors: Othmane Abdelkhalek , Aicha Moulay , Tarak Benslimane , Khaled Koussa :
Title: Wykrywanie i klasyfikacja usterek systemów fotowoltaicznych z wykorzystaniem sieci neuronowych
Abstract: Wraz z rozwojem elektrowni słonecznych i ich znaczeniem na świecie, diagnostyka usterek systemów fotowoltaicznych stała się podstawowym zadaniem do wykonania w celu ochrony użytkownika i komponentów systemu PV, a także zwiększenia wydajności energetycznej. W artykule przedstawiono wydajną metodę sieci neuronowych do wykrywania i klasyfikacji różnych uszkodzeń w systemie PV. Te usterki mogą wystąpić w panelu fotowoltaicznym lub przetwornicy podwyższającej napięcie. Proste zasilanie sieci neuronowej ze sprzężeniem zwrotnym z parametrami meteorologicznymi (natężenie promieniowania i temperatura) wraz z danymi elektrycznymi (napięcie i prąd) dowiodło swojej skuteczności w identyfikowaniu typowych usterek w systemie fotowoltaicznym z bardzo dużą dokładnością. Odbywa się to poprzez symulację w środowisku Matlab Simulink.
Key words: instalacja fotowoltaiczna, wykrywanie awarii, przetwornica podwyższająca napięcie, sieć neuronowa