Photovoltaïque, rendement photovoltaïque, surveillance, diagnostic, intelligence artificielle, capteurs de rayonnement et de température, défauts PV, vieillissement.

Abstract

الملخص(بالعربية):

الطاقة الشمسية الكهروضوئية هيمصدرالطاقةالمستدامةالبارزالذييشارك بنسبة أكبر من الطاقة المنتجة من الموارد المتجددة. يمثل الاستخدام المستدام للطاقة الكهروضوئية تحديًا كبيرًا لأن الكفاءة الكهروضوئية تعتمد على الظروف البيئية و خسائر النظام وخسائر الأوساخ والشيخوخة والأخطاء / العيوب. تحقيقًا لهذه الغاية، يلزم إجراء عمليات إدارة الطاقة من خلال نظام مراقبة ذكي. نحن نقدم تقنية قائمة على ANFIS للمراقبة الذكية للمنشآت الكهروضوئية التي تكتشف الأخطاء وتحددها وتزيلها دون الحاجة إلى الاعتماد على البيانات الحقيقية في مرحلة التعلم ، مثل الطوبولوجيا والبيئة وعمر الألواح الكهروضوئية ، وتلغي الحاجة إلى التحديثات المتكررة . يوفر نظام ANFIS تنبؤًا بالطاقة (باستخدام مستشعرات درجة الحرارة والإشعاع المركزية) لاكتشاف الأخطاء والقضاء عليها ، بالإضافة إلى تقدير تيار الدارة القصيرة وجهد الدارة المفتوحة (باستخدام مستشعرات درجة الحرارة والإشعاع في كل سلسلة) لتحديد نوع الخطأ . يتم ذلك بعد مقارنة القيم المقدرة بالقيم المقاسة الفعلية. يتم محاكاة نظام PV على Simulink للحصول على بيانات التدريب. يحتوي كل نظام على مستشعرات إشعاع ودرجة حرارة محيطة خاصة به تختلف مواضعها لتجنب تأثير الأعطال المتداخلة. تمت دراسة الطريقة عن طريق المحاكاة باستخدام MATLAB Simulink والتحقق من صحتها بشكل تجريبي على محطة مستقلة عبر dSPACE DS1104 وعلى محطة متصلة بالشبكة عن بُعد عبر إنترنت الأشياء. تتغلب التقنية على قيود الأساليب الحالية. النتائج واعدة بحيث يتم التحكم في الطاقة المنتجة على الفور ويتم اكتشاف الأخطاء وتحديدها بدقة. يشير هذا إلى انتقائية جيدة وعدم حساسية للقرار تجاه العيوب المتداخلة. بالإضافة إلى ذلك ، تتضمن هذه الطريقة تحليلا للشيخوخة ويمكن استخدامها للتحكم في معظم التركيبات الكهروضوئية النموذجية عبر عامل الكسب محليًا أو عن بُعد عبر إنترنت الأشياء.

Résumé (Français) :

Le solaire photovoltaïque est la principale source d'énergie durable qui partage un plus grand pourcentage de l'énergie produite à partir de ressources renouvelables. L'utilisation durable de l'énergie photovoltaïque représente un grand défi car le rendement photovoltaïque dépend des conditions environnementales, des pertes du système, des pertes de salissures, du vieillissement et des défauts/défaillances. À cette fin, des opérations de gestion de l'énergie à travers un système de surveillance intelligent sont nécessaires. Nous proposons une technique de monitoring basée sur ANFIS pour la surveillance intelligente des installations photovoltaïques qui détecte, identifie et élimine les défauts sans avoir à s'appuyer sur des données réelles dans la phase d'apprentissage, telles que la topologie, l'environnement et l'âge des panneaux photovoltaïques, elle contourne également le besoin de mises à jour fréquentes. Le système ANFIS fournit une estimation de puissance (à l'aide de capteurs centraux de température et d'irradiation) pour la détection et l'élimination des défauts, ainsi que l'estimation du courant de court-circuit et de la tension en circuit ouvert (à l'aide de capteurs de température et d'irradiation sur chaque chaîne) pour l'identification du type de défaut. Cela se fait après avoir comparé les valeurs estimées avec les valeurs réelles mesurées. Un système PV est simulé sur Simulink pour acquérir les données d'apprentissage. Chaque système dispose de ses propres capteurs d'irradiation et de température ambiante dédiés dont les positions diffèrent pour éviter l'influence des défauts qui se chevauchent. La méthode a été étudiée par simulation à l'aide de MATLAB Simulink et validée expérimentalement sur une installation autonome via dSPACE DS1104 et sur une installation distante connectée au réseau via l'IoT. La technique surmonte les limites des méthodes existantes. Les résultats sont prometteurs car l'énergie produite est instantanément contrôlée et les défauts sont précisément détectés et identifiés. Ceci indique une bonne sélectivité et une insensibilité de la décision au chevauchement des défauts. De plus, cette méthode comprend une analyse de vieillissement et peut être utilisée pour contrôler la plupart des installations photovoltaïques typiques via un facteur de gain localement ou à distance via l'IoT. Abstract (English) :

Solar photovoltaic is the prominent sustainable energy source that shares a greater percentage of the energy produced from renewable resources. The sustainable use of photovoltaic energy represent a big challenge because the photovoltaic yield depends upon environmental conditions, system loss, soiling loss, aging and defects/faults. To this end, energy management operations through an intelligent monitoring system is necessary. We propose an ANFIS-based technique for intelligent monitoring PV installations that detects, identifies, and eliminates faults without having to rely on real data in the learning phase—such as topology, environment, and age of the PV arrays—and eliminates the need for frequent updates. ANFIS system provides power prediction (using central temperature and irradiation sensors) for fault detection and elimination, as well as short-circuit current and open-circuit voltage estimation (using temperature and irradiation sensors on each chain) for identification of the type of fault. This is done after comparing the estimated values with the actual measured values. A PV system is simulated on Simulink to acquire the learning data. Each system has its own dedicated irradiation and ambient temperature sensors whose positions differ to avoid the influence of faults overlap. The method was studied through simulation using MATLAB Simulink and experimentally validated on a stand-alone plant via dSPACE DS1104 and on a distant grid-connected plant via IoT. The technique overcomes the limitations of existing methods. The results are promising as the enrgy produced is instantly monitored and the faults are precisely detected and identified. This indicates good selectivity and insensitivity of the decision to the overlapping of faults. Additionally, this method includes an aging analysis, and it can be used to control most typical PV installations via a gain factor locally or from distant via IoT.