JP7232228B2 - ソーラーパネルネットワークにおける故障の検出、診断及び位置確認のための方法及びシステム - Google Patents
ソーラーパネルネットワークにおける故障の検出、診断及び位置確認のための方法及びシステム Download PDFInfo
- Publication number
- JP7232228B2 JP7232228B2 JP2020174900A JP2020174900A JP7232228B2 JP 7232228 B2 JP7232228 B2 JP 7232228B2 JP 2020174900 A JP2020174900 A JP 2020174900A JP 2020174900 A JP2020174900 A JP 2020174900A JP 7232228 B2 JP7232228 B2 JP 7232228B2
- Authority
- JP
- Japan
- Prior art keywords
- fault
- solar panel
- voltage
- simulation
- array
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 56
- 238000004088 simulation Methods 0.000 claims description 270
- 238000012360 testing method Methods 0.000 claims description 148
- 238000012549 training Methods 0.000 claims description 107
- 230000007613 environmental effect Effects 0.000 claims description 53
- 238000013527 convolutional neural network Methods 0.000 claims description 48
- 238000001514 detection method Methods 0.000 claims description 37
- 238000003745 diagnosis Methods 0.000 claims description 37
- 230000004807 localization Effects 0.000 claims description 35
- 230000015654 memory Effects 0.000 claims description 24
- 238000003491 array Methods 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000015556 catabolic process Effects 0.000 claims description 9
- 238000006731 degradation reaction Methods 0.000 claims description 9
- 238000011176 pooling Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 9
- 230000004913 activation Effects 0.000 description 5
- 238000001994 activation Methods 0.000 description 5
- 230000000903 blocking effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 210000004027 cell Anatomy 0.000 description 4
- 230000000593 degrading effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 238000002940 Newton-Raphson method Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Photovoltaic Devices (AREA)
- Control Of Electrical Variables (AREA)
Description
本出願は、2019年10月16日に出願されたインド国特許出願第201921041963号に基づく優先権を主張するものである。
304 ネットワークシミュレーションモジュール
306 故障データベース
308 故障の検出、診断及び位置確認(FDDL)モジュール
Claims (15)
- 試験用ソーラーパネルネットワークにおける故障の検出、診断及び位置確認のためのプロセッサ実装方法(400)であって、該方法は、
1又は2以上のハードウェアプロセッサを介して、スキーマアルゴリズムを使用して前記試験用ソーラーパネルネットワークのスキーマを取得するステップであって、前記スキーマアルゴリズムは前記試験用ソーラーパネルネットワークのスケルトン構造についての情報を取り込むことが可能であり、前記試験用ソーラーパネルネットワークが、複数のソーラーパネル及び複数の回路素子を含み、前記複数のソーラーパネルが、前記複数の回路素子のうちの1又は2以上の回路素子及び1又は2以上のインバータと共に、1又は2以上のストリング、1又は2以上のサブアレイ及び1又は2以上のアレイ内に配置される、ステップ(402)と、
前記1又は2以上のハードウェアプロセッサを介して、前記試験用ソーラーパネルネットワーク内に存在する各ソーラーパネルのネームプレートデータセット及び前記試験用ソーラーパネルネットワークのタイムスタンプ付き動作ログデータセットに基づいて、各ソーラーパネルのソーラーパネルパラメータセットを決定するステップであって、各ソーラーパネルの前記ソーラーパネルパラメータセットが、光電流(IL)、ダイオード逆方向飽和電流(IO)、直列抵抗(RS)、シャント抵抗(RSH)及び理想係数(n)を含む、ステップ(404)と、
前記1又は2以上のハードウェアプロセッサを介して、モデリング技術を使用して、前記取得されたスキーマ及び各ソーラーパネルの前記ソーラーパネルパラメータセットから前記試験用ソーラーパネルネットワークのネットワークシミュレーションモデルを生成するステップ(406)と、
前記1又は2以上のハードウェアプロセッサを介して、前記生成されたネットワークシミュレーションモデルの複数の故障特徴テンソル(FFT)及び複数の無故障特徴テンソル(NFFT)をランダムに生成するステップであって、前記複数の故障特徴テンソル(FFT)の各故障特徴テンソル(FFT)が、複数の故障シナリオのうちの1つの故障シナリオに関連し、前記複数の無故障特徴テンソル(NFFT)の各無故障特徴テンソル(NFFT)が、複数の無故障シナリオのうちの1つの無故障シナリオに関連し、各故障シナリオが、前記試験用ソーラーパネルネットワーク内の1又は2以上の故障箇所において発生した1又は2以上の故障タイプと、環境の動作温度及び前記環境の日照値を含む1又は2以上の環境パラメータとに基づいて定義され、各無故障シナリオが、前記環境の前記動作温度及び前記環境の前記日照値を含む前記1又は2以上の環境パラメータに基づいて定義される、ステップ(408)と、
前記1又は2以上のハードウェアプロセッサを介して、(i)前記生成されたネットワークシミュレーションモデルを使用して前記対応する無故障特徴テンソル(NFFT)をシミュレートすることによって、前記複数の無故障特徴テンソル(NFFT)の各無故障特徴テンソル(NFFT)の無故障シミュレーションデータセットと、(ii)前記生成されたネットワークシミュレーションモデルを使用して前記対応する故障特徴テンソル(FFT)をシミュレートすることによって、前記複数の故障特徴テンソル(FFT)の各故障特徴テンソル(FFT)の故障シミュレーションデータセットとを決定するステップ(410)と、
前記1又は2以上のハードウェアプロセッサを介して、前記複数の故障特徴テンソル(FFT)及び前記複数の無故障特徴テンソル(NFFT)をトレーニングデータセット及び試験用データセットにランダムに分割するステップであって、前記トレーニングデータセットが、1又は2以上のトレーニングFFT及び対応する故障シミュレーションデータセットと、1又は2以上のトレーニングNFFT及び対応する無故障シミュレーションデータセットとを含み、前記試験用データセットが、1又は2以上の試験用FFT及び対応する故障シミュレーションデータセットと、1又は2以上の試験用NFFT及び対応する無故障シミュレーションデータセットとを含む、ステップ(412)と、
前記1又は2以上のハードウェアプロセッサを介して、前記試験用ソーラーパネルネットワークにおける故障の検出、診断及び位置確認のための故障の検出、診断及び位置確認(FDDL)モデルを生成するステップと、
前記トレーニングデータセットを使用して畳み込みニューラルネットワーク(CNN)モデルをトレーニングするステップであって、(i)前記トレーニングデータセット内に存在する前記1又は2以上のトレーニングFFTの各トレーニングFFTがラベルとして提供され、前記対応する故障シミュレーションデータセットが前記CNNモデルへの入力として提供され、(ii)前記トレーニングデータセット内に存在する前記1又は2以上のトレーニングNFFTの各トレーニングNFFTがラベルとして提供され、前記対応する無故障シミュレーションデータセットが前記CNNモデルへの前記入力として提供される、ステップ(414)と、
を含むことを特徴とする方法(400)。 - 前記1又は2以上のハードウェアプロセッサを介して、前記試験用データセットを使用して、前記生成されたFDDLモデルを試験するステップであって、(i)前記試験用データセット内に存在する前記1又は2以上の試験用FFTの各試験用FFTが前記ラベルとして提供され、前記対応する故障シミュレーションデータセットが前記生成されたFDDLモデルへの前記入力として提供され、前記試験用データセット内に存在する前記1又は2以上の試験用NFFTの各試験用NFFTが前記ラベルとして提供され、前記対応する無故障シミュレーションデータセットが前記CNNモデルへの前記入力として提供される、ステップ(416)をさらに含む、
請求項1に記載の方法。 - 前記CNNモデルは、それぞれが最大プーリング層及びドロップアウト層に接続された3つの2次元畳み込み層と、前記ドロップアウト層に接続された2つの全結合層とを含む、
請求項1に記載の方法。 - 前記試験用ソーラーパネルネットワーク内に存在する各ソーラーパネルの前記ネームプレートデータセットは、標準定格条件における、前記対応するソーラーパネル内に存在するPVセル数(NS)と、開路電圧(VOC-SRC)と、短絡回路電流(ISC-SRC)と、最大電力点電圧(VMP-SRC)と、最大電力点電流(IMP-SRC)とを含み、前記試験用ソーラーパネルネットワークの前記タイムスタンプ付き動作ログデータセットは、各ソーラーパネルのソーラーパネル別電流及びソーラーパネル別電圧、各ストリングのストリング別電流及びストリング別電圧、各サブアレイのサブアレイ別電流及びサブアレイ別電圧、各アレイのアレイ別電流及びアレイ別電圧、前記1又は2以上のインバータの各インバータ(DC及びAC)の電圧セット、各インバータの出力、日照値(G)、雲り値(C)、降雨値(r)、各ソーラーパネルのソーラーパネル温度、各インバータの温度及び故障電流セットのうちの1つ又は2つ以上を含む、
請求項1に記載の方法。 - 各無故障特徴テンソル(NFFT)の前記無故障シミュレーションデータセットは、各ソーラーパネルの前記ソーラーパネルパラメータセット及び前記1又は2以上の環境パラメータに基づいて決定されるとともに、各ソーラーパネルのソーラーパネルレベル無故障シミュレーション電流-電圧-電力データセット(SCp,SVp,SPp)と、各ストリングのストリングレベル無故障シミュレーション電流-電圧-電力データセット(SCs,SVs,SPs)と、各サブアレイのサブアレイレベル無故障シミュレーション電流-電圧-電力データセット(SCsa,SVsa,SPsa)と、各アレイのアレイレベル無故障シミュレーション電流-電圧-電力データセット(SCa,SVa,SPa)と、各インバータのインバータレベル無故障シミュレーション電流-電圧-電力データセット(SCi,SVi,SPi)とを含み、
各故障特徴テンソル(FFT)の前記故障シミュレーションデータセットは、各ソーラーパネルの前記ソーラーパネルパラメータセット及び前記1又は2以上の環境パラメータに基づいて決定されるとともに、各ソーラーパネルのソーラーパネルレベル故障シミュレーション電流-電圧-電力データセット(FCp,FVp,FPp)と、各ストリングのストリングレベル故障シミュレーション電流-電圧-電力データセット(FCs,FVs,FPs)と、各サブアレイのサブアレイレベル故障シミュレーション電流-電圧-電力データセット(FCsa,FVsa,FPsa)と、各アレイのアレイレベル故障シミュレーション電流-電圧-電力データセット(FCa,FVa,FPa)と、各インバータのインバータレベル故障シミュレーション電流-電圧-電力データセット(FCi,FVi,FPi)とを含む、
請求項1に記載の方法。 - 各ソーラーパネルの前記ソーラーパネルレベル無故障シミュレーション電流-電圧-電力データセット(SCp,SVp,SPp)は、前記対応するソーラーパネルの前記パラメータセット及び前記1又は2以上の環境パラメータに基づいて決定され、各ストリングの前記ストリングレベル無故障シミュレーション電流-電圧-電力データセット(SCs,SVs,SPs)は、前記対応するストリング内に存在する各ソーラーパネルのソーラーパネルレベルの電流-電圧-電力データセット(SCp,SVp,SPp)に基づいて決定され、各サブアレイの前記サブアレイレベル無故障シミュレーション電流-電圧-電力データセット(SCsa,SVsa,SPsa)は、前記対応するサブアレイ内に存在する各ストリングの前記ストリングレベル無故障シミュレーション電流-電圧-電力データセット(SCs,SVs,SPs)に基づいて決定され、各アレイの前記アレイレベル無故障シミュレーション電流-電圧-電力データセット(SCa,SVa,SPa)は、前記対応するアレイ内に存在する各サブアレイの前記サブアレイレベル無故障シミュレーション電流-電圧-電力データセット(SCsa,SVsa,SPsa)に基づいて決定され、各インバータの前記インバータレベル無故障シミュレーション電流-電圧-電力データセット(SCi,SVi,SPi)は、前記対応するアレイレベル無故障シミュレーション電流-電圧-電力データセット(SCa,SVa,SPa)及び前記1又は2以上の環境パラメータに基づいて決定され、
各ソーラーパネルの前記ソーラーパネルレベル故障シミュレーション電流-電圧-電力データセット(FCp,FVp,FPp)は、前記対応するソーラーパネルの前記ソーラーパネルパラメータセット及び前記1又は2以上の環境パラメータに基づいて決定され、各ストリングの前記ストリングレベル故障シミュレーション電流-電圧-電力データセット(FCs,FVs,FPs)は、前記対応するストリング内に存在する各ソーラーパネルの前記ソーラーパネルレベル故障シミュレーション電流-電圧-電力データセット(FCp,FVp,FPp)に基づいて決定され、各サブアレイの前記サブアレイレベル故障シミュレーション電流-電圧-電力データセット(FCsa,FVsa,FPsa)は、前記対応するサブアレイ内に存在する各ストリングの前記ストリングレベル故障シミュレーション電流-電圧-電力データセット(FCs,FVs,FPs)に基づいて決定され、各アレイの前記アレイレベル故障シミュレーション電流-電圧-電力データセット(FCa,FVa,FPa)は、前記対応するアレイ内に存在する各サブアレイの前記サブアレイレベル故障シミュレーション電流-電圧-電力データセット(FCsa,FVsa,FPsa)に基づいて決定され、各インバータの前記インバータレベル故障シミュレーション電流-電圧-電力データセット(FCi,FVi,FPi)は、前記対応するアレイレベル故障シミュレーション電流-電圧-電力データセット(FCa,FVa,FPa)及び前記1又は2以上の環境パラメータに基づいて決定される、
請求項5に記載の方法。 - 前記1又は2以上の故障タイプは、短絡回路故障、開路故障、遮蔽故障、汚損故障、ホットスポット故障、アーク故障、劣化故障及びクリッピング故障から成る群から選択され、前記短絡回路故障は、線間故障及び線地絡故障を含み、前記1又は2以上の故障箇所は、1又は2以上のソーラーパネルレベルの故障箇所、1又は2以上のストリングレベルの故障箇所、1又は2以上のサブアレイレベルの故障箇所、1又は2以上のアレイレベルの故障箇所、1又は2以上のインバータレベルの故障箇所、1又は2以上の回路素子レベルの故障箇所及び1又は2以上の配線レベルの故障箇所を含む、
請求項1に記載の方法。 - 試験用ソーラーパネルネットワークにおける故障の検出、診断及び位置確認のためのシステム(100)であって、
命令を記憶するメモリ(102)と、
1又は2以上の入力/出力(I/O)インターフェイス(106)と、
前記1又は2以上のI/Oインターフェイス(106)を介して前記メモリ(102)に結合された1又は2以上のハードウェアプロセッサ(104)と、
を備え、前記1又は2以上のハードウェアプロセッサ(104)は、前記命令によって、
スキーマアルゴリズムを使用して前記試験用ソーラーパネルネットワークのスキーマを取得することであって、前記スキーマアルゴリズムは前記試験用ソーラーパネルネットワークのスケルトン構造についての情報を取り込むことが可能であり、前記試験用ソーラーパネルネットワークが、複数のソーラーパネル及び複数の回路素子を含み、前記複数のソーラーパネルが、前記複数の回路素子のうちの1又は2以上の回路素子及び1又は2以上のインバータと共に、1又は2以上のストリング、1又は2以上のサブアレイ及び1又は2以上のアレイ内に配置されることと、
前記試験用ソーラーパネルネットワーク内に存在する各ソーラーパネルのネームプレートデータセット及び前記試験用ソーラーパネルネットワークのタイムスタンプ付き動作ログデータセットに基づいて、各ソーラーパネルのソーラーパネルパラメータセットを決定することであって、各ソーラーパネルの前記ソーラーパネルパラメータセットが、光電流(IL)、ダイオード逆方向飽和電流(IO)、直列抵抗(RS)、シャント抵抗(RSH)及び理想係数(n)を含むことと、
モデリング技術を使用して、前記取得されたスキーマ及び各ソーラーパネルの前記ソーラーパネルパラメータセットから前記試験用ソーラーパネルネットワークのネットワークシミュレーションモデルを生成することと、
前記生成されたネットワークシミュレーションモデルの複数の故障特徴テンソル(FFT)及び複数の無故障特徴テンソル(NFFT)をランダムに生成することであって、前記複数の故障特徴テンソル(FFT)の各故障特徴テンソル(FFT)が、複数の故障シナリオのうちの1つの故障シナリオに関連し、前記複数の無故障特徴テンソル(NFFT)の各無故障特徴テンソル(NFFT)が、複数の無故障シナリオのうちの1つの無故障シナリオに関連し、各故障シナリオが、前記試験用ソーラーパネルネットワーク内の1又は2以上の故障箇所において発生した1又は2以上の故障タイプと、環境の動作温度及び前記環境の日照値を含む1又は2以上の環境パラメータとに基づいて定義され、各無故障シナリオが、前記環境の前記動作温度及び前記環境の前記日照値を含む前記1又は2以上の環境パラメータに基づいて定義されることと、
(i)前記生成されたネットワークシミュレーションモデルを使用して前記対応する無故障特徴テンソル(NFFT)をシミュレートすることによって、前記複数の無故障特徴テンソル(NFFT)の各無故障特徴テンソル(NFFT)の無故障シミュレーションデータセットと、(ii)前記生成されたネットワークシミュレーションモデルを使用して前記対応する故障特徴テンソル(FFT)をシミュレートすることによって、前記複数の故障特徴テンソル(FFT)の各故障特徴テンソル(FFT)の故障シミュレーションデータセットとを決定することと、
前記複数の故障特徴テンソル(FFT)及び前記複数の無故障特徴テンソル(NFFT)をトレーニングデータセット及び試験用データセットにランダムに分割することであって、前記トレーニングデータセットが、1又は2以上のトレーニングFFT及び対応する故障シミュレーションデータセットと、1又は2以上のトレーニングNFFT及び対応する無故障シミュレーションデータセットとを含み、前記試験用データセットが、1又は2以上の試験用FFT及び対応する故障シミュレーションデータセットと、1又は2以上の試験用NFFT及び対応する無故障シミュレーションデータセットとを含むことと、
前記試験用ソーラーパネルネットワークにおける故障の検出、診断及び位置確認のための故障の検出、診断及び位置確認(FDDL)モデルを生成することと、
前記トレーニングデータセットを使用して畳み込みニューラルネットワーク(CNN)モデルをトレーニングすることであって、(i)前記トレーニングデータセット内に存在する前記1又は2以上のトレーニングFFTの各トレーニングFFTがラベルとして提供され、前記対応する故障シミュレーションデータセットが前記CNNモデルへの入力として提供され、(ii)前記トレーニングデータセット内に存在する前記1又は2以上のトレーニングNFFTの各トレーニングNFFTがラベルとして提供され、前記対応する無故障シミュレーションデータセットが前記CNNモデルへの前記入力として提供される、トレーニングすることと、
を行うように構成される、
ことを特徴とするシステム(100)。 - 前記1又は2以上のハードウェアプロセッサ(104)は、前記試験用データセットを使用して、前記生成されたFDDLモデルを試験することであって、(i)前記試験用データセット内に存在する前記1又は2以上の試験用FFTの各試験用FFTが前記ラベルとして提供され、(ii)前記対応する故障シミュレーションデータセットが前記生成されたFDDLモデルへの前記入力として提供され、前記試験用データセット内に存在する前記1又は2以上の試験用NFFTの各試験用NFFTが前記ラベルとして提供され、前記対応する無故障シミュレーションデータセットが前記CNNモデルへの前記入力として提供されることを行うようにさらに構成される、
請求項8に記載のシステム。 - 前記CNNモデルは、それぞれが最大プーリング層及びドロップアウト層に接続された3つの2次元畳み込み層と、前記ドロップアウト層に接続された2つの全結合層とを含む、
請求項8に記載のシステム。 - 前記1又は2以上のハードウェアプロセッサ(104)は、
標準定格条件における、前記対応するソーラーパネル内に存在するPVセル数(NS)と、開路電圧(VOC-SRC)と、短絡回路電流(ISC-SRC)と、最大電力点電圧(VMP-SRC)と、最大電力点電流(IMP-SRC)とを含む、前記試験用ソーラーパネルネットワーク内に存在する各ソーラーパネルの前記ネームプレートデータセットを受け取り、
各ソーラーパネルのソーラーパネル別電流及びソーラーパネル別電圧、各ストリングのストリング別電流及びストリング別電圧、各サブアレイのサブアレイ別電流及びサブアレイ別電圧、各アレイのアレイ別電流及びアレイ別電圧、前記1又は2以上のインバータの各インバータ(DC及びAC)の電圧セット、各インバータの出力、日照値(G)、雲り値(C)、降雨値(r)、各ソーラーパネルのソーラーパネル温度、各インバータの温度及び故障電流セットのうちの1つ又は2つ以上を含む、前記試験用ソーラーパネルネットワークの前記タイムスタンプ付き動作ログデータセットを受け取る、
ようにさらに構成される、請求項8に記載のシステム。 - 前記1又は2以上のハードウェアプロセッサ(104)は、
各ソーラーパネルのソーラーパネルレベル無故障シミュレーション電流-電圧-電力データセット(SCp,SVp,SPp)と、各ストリングのストリングレベル無故障シミュレーション電流-電圧-電力データセット(SCs,SVs,SPs)と、各サブアレイのサブアレイレベル無故障シミュレーション電流-電圧-電力データセット(SCsa,SVsa,SPsa)と、各アレイのアレイレベル無故障シミュレーション電流-電圧-電力データセット(SCa,SVa,SPa)と、各インバータのインバータレベル無故障シミュレーション電流-電圧-電力データセット(SCi,SVi,SPi)とを含む、各無故障特徴テンソル(NFFT)の前記無故障シミュレーションデータセットを、各ソーラーパネルの前記ソーラーパネルパラメータセット及び前記1又は2以上の環境パラメータに基づいて決定し、
各ソーラーパネルのソーラーパネルレベル故障シミュレーション電流-電圧-電力データセット(FCp,FVp,FPp)と、各ストリングのストリングレベル故障シミュレーション電流-電圧-電力データセット(FCs,FVs,FPs)と、各サブアレイのサブアレイレベル故障シミュレーション電流-電圧-電力データセット(FCsa,FVsa,FPsa)と、各アレイのアレイレベル故障シミュレーション電流-電圧-電力データセット(FCa,FVa,FPa)と、各インバータのインバータレベル故障シミュレーション電流-電圧-電力データセット(FCi,FVi,FPi)とを含む、各故障特徴テンソル(FFT)の前記故障シミュレーションデータセットを、各ソーラーパネルの前記ソーラーパネルパラメータセット及び前記1又は2以上の環境パラメータに基づいて決定する、
ようにさらに構成される、請求項8に記載のシステム。 - 前記1又は2以上のハードウェアプロセッサ(104)は、
各ソーラーパネルの前記ソーラーパネルレベル無故障シミュレーション電流-電圧-電力データセット(SCp,SVp,SPp)を、前記対応するソーラーパネルのパラメータセット及び前記1又は2以上の環境パラメータに基づいて決定し、各ストリングの前記ストリングレベル無故障シミュレーション電流-電圧-電力データセット(SCs,SVs,SPs)を、前記対応するストリング内に存在する各ソーラーパネルのソーラーパネルレベルの電流-電圧-電力データセット(SCp,SVp,SPp)に基づいて決定し、各サブアレイの前記サブアレイレベル無故障シミュレーション電流-電圧-電力データセット(SCsa,SVsa,SPsa)を、前記対応するサブアレイ内に存在する各ストリングの前記ストリングレベル無故障シミュレーション電流-電圧-電力データセット(SCs,SVs,SPs)に基づいて決定し、各アレイの前記アレイレベル無故障シミュレーション電流-電圧-電力データセット(SCa,SVa,SPa)を、前記対応するアレイ内に存在する各サブアレイの前記サブアレイレベル無故障シミュレーション電流-電圧-電力データセット(SCsa,SVsa,SPsa)に基づいて決定し、各インバータの前記インバータレベル無故障シミュレーション電流-電圧-電力データセット(SCi,SVi,SPi)を、前記対応するアレイレベル無故障シミュレーション電流-電圧-電力データセット(SCa,SVa,SPa)及び前記1又は2以上の環境パラメータに基づいて決定することと、
各ソーラーパネルの前記ソーラーパネルレベル故障シミュレーション電流-電圧-電力データセット(FCp,FVp,FPp)を、前記対応するソーラーパネルの前記ソーラーパネルパラメータセット及び前記1又は2以上の環境パラメータに基づいて決定し、各ストリングの前記ストリングレベル故障シミュレーション電流-電圧-電力データセット(FCs,FVs,FPs)を、前記対応するストリング内に存在する各ソーラーパネルの前記ソーラーパネルレベル故障シミュレーション電流-電圧-電力データセット(FCp,FVp,FPp)に基づいて決定し、各サブアレイの前記サブアレイレベル故障シミュレーション電流-電圧-電力データセット(FCsa,FVsa,FPsa)を、前記対応するサブアレイ内に存在する各ストリングの前記ストリングレベル故障シミュレーション電流-電圧-電力データセット(FCs,FVs,FPs)に基づいて決定し、各アレイの前記アレイレベル故障シミュレーション電流-電圧-電力データセット(FCa,FVa,FPa)を、前記対応するアレイ内に存在する各サブアレイの前記サブアレイレベル故障シミュレーション電流-電圧-電力データセット(FCsa,FVsa,FPsa)に基づいて決定し、各インバータの前記インバータレベル故障シミュレーション電流-電圧-電力データセット(FCi,FVi,FPi)を、前記対応するアレイレベル故障シミュレーション電流-電圧-電力データセット(FCa,FVa,FPa)及び前記1又は2以上の環境パラメータに基づいて決定することと、
を行うようにさらに構成される、請求項12に記載のシステム。 - 前記1又は2以上の故障タイプは、短絡回路故障、開路故障、遮蔽故障、汚損故障、ホットスポット故障、アーク故障、劣化故障及びクリッピング故障から成る群から選択され、前記短絡回路故障は、線間故障及び線地絡故障を含み、前記1又は2以上の故障箇所は、1又は2以上のソーラーパネルレベルの故障箇所、1又は2以上のストリングレベルの故障箇所、1又は2以上のサブアレイレベルの故障箇所、1又は2以上のアレイレベルの故障箇所、1又は2以上のインバータレベルの故障箇所、1又は2以上の回路素子レベルの故障箇所及び1又は2以上の配線レベルの故障箇所を含む、
請求項8に記載のシステム。 - コンピュータプログラムであって、前記コンピュータプログラムは、コンピュータ装置上で実行された時に、該コンピュータ装置に、
スキーマアルゴリズムを使用して試験用ソーラーパネルネットワークのスキーマを取得することであって、前記スキーマアルゴリズムは前記試験用ソーラーパネルネットワークのスケルトン構造についての情報を取り込むことが可能であり、前記試験用ソーラーパネルネットワークが、複数のソーラーパネル及び複数の回路素子を含み、前記複数のソーラーパネルが、前記複数の回路素子のうちの1又は2以上の回路素子及び1又は2以上のインバータと共に、1又は2以上のストリング、1又は2以上のサブアレイ及び1又は2以上のアレイ内に配置されることと、
前記試験用ソーラーパネルネットワーク内に存在する各ソーラーパネルのネームプレートデータセット及び前記試験用ソーラーパネルネットワークのタイムスタンプ付き動作ログデータセットに基づいて、各ソーラーパネルのソーラーパネルパラメータセットを決定することであって、各ソーラーパネルの前記ソーラーパネルパラメータセットが、光電流(IL)、ダイオード逆方向飽和電流(IO)、直列抵抗(RS)、シャント抵抗(RSH)及び理想係数(n)を含むことと、
モデリング技術を使用して、前記取得されたスキーマ及び各ソーラーパネルの前記ソーラーパネルパラメータセットから前記試験用ソーラーパネルネットワークのネットワークシミュレーションモデルを生成することと、
前記生成されたネットワークシミュレーションモデルの複数の故障特徴テンソル(FFT)及び複数の無故障特徴テンソル(NFFT)をランダムに生成することであって、前記複数の故障特徴テンソル(FFT)の各故障特徴テンソル(FFT)が、複数の故障シナリオのうちの1つの故障シナリオに関連し、前記複数の無故障特徴テンソル(NFFT)の各無故障特徴テンソル(NFFT)が、複数の無故障シナリオのうちの1つの無故障シナリオに関連し、各故障シナリオが、前記試験用ソーラーパネルネットワーク内の1又は2以上の故障箇所において発生した1又は2以上の故障タイプと、環境の動作温度及び前記環境の日照値を含む1又は2以上の環境パラメータとに基づいて定義され、各無故障シナリオが、前記環境の前記動作温度及び前記環境の前記日照値を含む前記1又は2以上の環境パラメータに基づいて定義されることと、
(i)前記生成されたネットワークシミュレーションモデルを使用して前記対応する無故障特徴テンソル(NFFT)をシミュレートすることによって、前記複数の無故障特徴テンソル(NFFT)の各無故障特徴テンソル(NFFT)の無故障シミュレーションデータセットと、(ii)前記生成されたネットワークシミュレーションモデルを使用して前記対応する故障特徴テンソル(FFT)をシミュレートすることによって、前記複数の故障特徴テンソル(FFT)の各故障特徴テンソル(FFT)の故障シミュレーションデータセットとを決定することと、
前記複数の故障特徴テンソル(FFT)及び前記複数の無故障特徴テンソル(NFFT)をトレーニングデータセット及び試験用データセットにランダムに分割することであって、前記トレーニングデータセットが、1又は2以上のトレーニングFFT及び対応する故障シミュレーションデータセットと、1又は2以上のトレーニングNFFT及び対応する無故障シミュレーションデータセットとを含み、前記試験用データセットが、1又は2以上の試験用FFT及び対応する故障シミュレーションデータセットと、1又は2以上の試験用NFFT及び対応する無故障シミュレーションデータセットとを含むことと、
前記試験用ソーラーパネルネットワークにおける故障の検出、診断及び位置確認のための故障の検出、診断及び位置確認(FDDL)モデルを生成することと、
前記トレーニングデータセットを使用して畳み込みニューラルネットワーク(CNN)モデルをトレーニングすることであって、(i)前記トレーニングデータセット内に存在する前記1又は2以上のトレーニングFFTの各トレーニングFFTがラベルとして提供され、前記対応する故障シミュレーションデータセットが前記CNNモデルへの入力として提供され、(ii)前記トレーニングデータセット内に存在する前記1又は2以上のトレーニングNFFTの各トレーニングNFFTがラベルとして提供され、前記対応する無故障シミュレーションデータセットが前記CNNモデルへの前記入力として提供される、トレーニングすることと、
を行わせる、ことを特徴とするコンピュータプログラム製品。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN201921041963 | 2019-10-16 | ||
IN201921041963 | 2019-10-16 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2021064373A JP2021064373A (ja) | 2021-04-22 |
JP2021064373A5 JP2021064373A5 (ja) | 2022-10-17 |
JP7232228B2 true JP7232228B2 (ja) | 2023-03-02 |
Family
ID=73013138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020174900A Active JP7232228B2 (ja) | 2019-10-16 | 2020-10-16 | ソーラーパネルネットワークにおける故障の検出、診断及び位置確認のための方法及びシステム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11251749B2 (ja) |
EP (1) | EP3809592A1 (ja) |
JP (1) | JP7232228B2 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109765960B (zh) * | 2019-03-04 | 2020-08-28 | 上海数明半导体有限公司 | 最大功率追踪的发电装置与系统 |
US11816555B2 (en) * | 2020-02-12 | 2023-11-14 | Palantir Technologies Inc. | System and method for chaining discrete models |
US11567639B2 (en) | 2020-02-14 | 2023-01-31 | Palantir Technologies Inc. | Interactive graphical user interfaces for simulated systems |
US11947934B2 (en) | 2021-01-25 | 2024-04-02 | Palantir Technologies Inc. | Auto-generating interactive workflow user interfaces for simulated systems |
CN113237075B (zh) * | 2021-04-30 | 2022-03-22 | 西安交通大学 | 烟气余热回收系统的设计优化及调控方法 |
CN113255771B (zh) * | 2021-05-26 | 2022-07-08 | 中南大学 | 基于多维异构差异分析的故障诊断方法及系统 |
CN113608140A (zh) * | 2021-06-25 | 2021-11-05 | 国网山东省电力公司泗水县供电公司 | 一种电池故障诊断方法及系统 |
CN113326667B (zh) * | 2021-08-03 | 2021-12-10 | 深圳格瑞特新能源有限公司 | 一种太阳能电池板故障诊断方法及系统 |
CN113688987B (zh) * | 2021-08-30 | 2023-08-01 | 远景智能国际私人投资有限公司 | 光伏监测模型的训练方法、光伏设备的监测方法及设备 |
CN114337540B (zh) * | 2021-12-31 | 2023-09-12 | 重庆跃达新能源有限公司 | 光伏状态检测方法、系统及存储介质 |
CN115032508B (zh) * | 2022-08-12 | 2022-11-01 | 国网山东省电力公司电力科学研究院 | 一种基于目标识别的分布式输电线路故障诊断方法及系统 |
CN117393921B (zh) * | 2023-10-17 | 2024-06-18 | 浙江博时新能源技术有限公司 | 分布式储能设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120286961A1 (en) | 2011-05-11 | 2012-11-15 | Hitachi Cable, Ltd. | Malfunction detecting device for solar cell panel |
JP6185206B1 (ja) | 2017-05-31 | 2017-08-23 | オーナンバ株式会社 | 太陽光発電システムの異常または異常の予兆を検出するための方法及び装置 |
JP2017181138A (ja) | 2016-03-29 | 2017-10-05 | 一般財団法人電力中央研究所 | 太陽光発電設備の異常診断方法、異常診断装置、及び異常診断プログラム |
US20190149089A1 (en) | 2016-04-13 | 2019-05-16 | Suzhou Radiant Automatic Equipment Technology Co., Ltd. | Fault detection and positioning system for cell panel in large-scale photovoltaic array |
US10389300B2 (en) | 2015-01-19 | 2019-08-20 | Korea Institute Of Energy Research | Photovoltaic system having fault diagnosis apparatus, and fault diagnosis method for photovoltaic system |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8946937B2 (en) * | 2010-08-18 | 2015-02-03 | Volterra Semiconductor Corporation | Switching circuits for extracting power from an electric power source and associated methods |
WO2012103244A2 (en) | 2011-01-25 | 2012-08-02 | Power Analytics Corporation | Systems and methods for automated model-based real-time simulation of a microgrid for market-based electric power system optimization |
CN104753461B (zh) | 2015-04-10 | 2017-04-12 | 福州大学 | 基于粒子群优化支持向量机的光伏发电阵列故障诊断与分类方法 |
CN106059492B (zh) * | 2016-05-05 | 2018-03-06 | 江苏方天电力技术有限公司 | 基于功率预测的光伏组件阴影故障类型判定方法 |
CN106961249B (zh) | 2017-03-17 | 2019-02-19 | 广西大学 | 一种光伏阵列故障诊断和预警方法 |
CN108509736B (zh) * | 2018-04-09 | 2021-11-23 | 中国计量大学 | 一种用于故障诊断的光伏组件参数提取方法 |
CN110224673B (zh) | 2019-05-14 | 2020-10-02 | 太原理工大学 | 一种基于深度学习的太阳能光伏电池板故障检测方法 |
-
2020
- 2020-10-16 JP JP2020174900A patent/JP7232228B2/ja active Active
- 2020-10-16 US US17/073,010 patent/US11251749B2/en active Active
- 2020-10-16 EP EP20202166.3A patent/EP3809592A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120286961A1 (en) | 2011-05-11 | 2012-11-15 | Hitachi Cable, Ltd. | Malfunction detecting device for solar cell panel |
US10389300B2 (en) | 2015-01-19 | 2019-08-20 | Korea Institute Of Energy Research | Photovoltaic system having fault diagnosis apparatus, and fault diagnosis method for photovoltaic system |
JP2017181138A (ja) | 2016-03-29 | 2017-10-05 | 一般財団法人電力中央研究所 | 太陽光発電設備の異常診断方法、異常診断装置、及び異常診断プログラム |
US20190149089A1 (en) | 2016-04-13 | 2019-05-16 | Suzhou Radiant Automatic Equipment Technology Co., Ltd. | Fault detection and positioning system for cell panel in large-scale photovoltaic array |
JP6185206B1 (ja) | 2017-05-31 | 2017-08-23 | オーナンバ株式会社 | 太陽光発電システムの異常または異常の予兆を検出するための方法及び装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2021064373A (ja) | 2021-04-22 |
US11251749B2 (en) | 2022-02-15 |
EP3809592A1 (en) | 2021-04-21 |
US20210119576A1 (en) | 2021-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7232228B2 (ja) | ソーラーパネルネットワークにおける故障の検出、診断及び位置確認のための方法及びシステム | |
Belaout et al. | Multiclass adaptive neuro-fuzzy classifier and feature selection techniques for photovoltaic array fault detection and classification | |
Fadhel et al. | PV shading fault detection and classification based on IV curve using principal component analysis: Application to isolated PV system | |
Dhimish et al. | Comparing Mamdani Sugeno fuzzy logic and RBF ANN network for PV fault detection | |
Hachana et al. | PV array fault DiagnosticTechnique for BIPV systems | |
JP2021064373A5 (ja) | ||
Zaki et al. | Deep‐learning–based method for faults classification of PV system | |
Lin et al. | A density peak‐based clustering approach for fault diagnosis of photovoltaic arrays | |
Satpathy et al. | Parametric indicators for partial shading and fault prediction in photovoltaic arrays with various interconnection topologies | |
Buddha et al. | Signal processing for photovoltaic applications | |
Gilanifar et al. | Multi-task logistic low-ranked dirty model for fault detection in power distribution system | |
Manohar et al. | Enhancing resilience of PV-fed microgrid by improved relaying and differentiating between inverter faults and distribution line faults | |
CN105141255A (zh) | 一种光伏阵列故障诊断方法 | |
Lin et al. | Compound fault diagnosis model for Photovoltaic array using multi-scale SE-ResNet | |
US20120111391A1 (en) | Reconfigurable Photovoltaic Structure | |
Cho et al. | Failure diagnosis method of photovoltaic generator using support vector machine | |
Bharath et al. | Condition monitoring of photovoltaic systems using machine leaming techniques | |
Han et al. | An intelligent fault diagnosis method for PV arrays based on an improved rotation forest algorithm | |
Livera et al. | Advanced diagnostic approach of failures for grid-connected photovoltaic (PV) systems | |
Gong et al. | Fast fault detection method for photovoltaic arrays with adaptive deep multiscale feature enhancement | |
Gnetchejo et al. | Faults diagnosis in a photovoltaic system based on multivariate statistical analysis | |
Chandrasekharan et al. | Current indicator based fault detection algorithm for identification of faulty string in solar PV system | |
Murillo-Soto et al. | Photovoltaic array fault detection algorithm based on least significant difference test | |
Attouri et al. | Fault detection in photovoltaic systems using machine learning technique | |
Iles et al. | Power based fault detection method for PV arrays |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221006 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221006 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20221006 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221031 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221223 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230118 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230217 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7232228 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |