Monitoring Components in the Solar Panels with Machine Learning Algorithms

אנרגיה סולרית היא מקור טבעי וירוק, לא פולט גזים רעילים לסביבה, ליצירת חשמל. בשנים 2008-2011 תפוקה של אנרגיה סולרית עלתה ב330% עקב השימוש ההולך וגדל בפאנלים סולריים ושדרוגם באופן דינמי לצורך שיפור ביצועים, תחזוקה פשוטה וזולה יותר. למרות ההצלחה של מערכות סולריות והשדרוג הטכנולוגי, קיימות מגבלות שונות של פיקוח וניטור אחר הביצועים של הפאנלים הסולריים.

 לאור המבנה המורכב של חיבור הפאנלים, קופסאות שמנטרות את ביצועיי הפאנלים מחוברות לכל פאנל ומחוברות בטור אחד לממיר. בעת תקלה באחת הקופסאות, נקטע שידור של כל הטור, ואין אפשרות לזהות איזו קופסה הינה התקולה. הדבר מצריך החלפה של כל הקופסאות בטור. החלפה כזו דורשת משאבים רבים ולעתים לוקחת זמן רב בגלל מיקום הפאנלים על גובה וכך קיים בזבוז הן בתחזוקה והן בזמני המתנה בין התקלות.

בעבודה זו מבוצע תהליך למידה של ביצועיי הפאנלים במטרה לזהות קופסה תקולה, לפני שזו מפסיקה לעבוד וקוטעת את התפוקה מכלל הקופסאות בפאנל. הקופסא התקולה מזוהה ע"י התנהגות אנומלית ביחס לקופסאות התקינות. תהליך הלמידה והניתור הוא דו-שלבי. בשלב הראשון, מומש אלגוריתםPCA  על קטעי זמן קצרים לצורך יצירת רפרזנטציה אחידה, אינפורמטיבית ובמימד נמוך המייצגת את כלל הפרמטרים המנותרים. בשלב השני אנו משתמשים ברפרזנטציה החדשה ומזהים קופסאות שהן בעלות התנהגות אנומאלית בתחומי זמן שונים. אנו מדגימים את הפעלת השיטה על מספר קופסאות תקינות ותקולות ומראים יכולת זיהוי מוקדמת של קופסאות תקולות.