بایگانی برچسب برای: احداث نیروگاه خورشیدی

تابلوهای الکتریکال حفاظت، مدیریت و نظارت در نیروگاه خورشیدی

 

تابلوهای الکتریکال در نیروگاه خورشیدی نقش بسیار حیاتی در اطمینان از ایمنی، کارکرد صحیح و پایداری سیستم دارند. این تابلوها برای مدیریت و کنترل سیستم الکتریکی نیروگاه استفاده می‌شوند. در زیر به جزئیات بیشتر در مورد تابلوهای الکتریکال حفاظتی نیروگاه خورشیدی پرداخته‌ام:

 

۱. تابلوهای کنترل و کنترل فرآیند نیروگاه خورشیدی:

– وظیفه:

  – مدیریت و کنترل کارکرد دستگاه‌های الکتریکی از جمله اینورترها و تجهیزات مهم دیگر.

– ویژگی‌ها:

  – دارای سوئیچ‌ها، نمایشگرها و سنسورهای مورد نیاز برای کنترل و نظارت.

تابلوهای کنترل و کنترل فرآیند در نیروگاه خورشیدی فتوولتائیک نقش بسیار مهمی را در بهره‌وری و عملکرد بهینه این نوع نیروگاه ایفا می‌کنند. این تابلوها و سیستم‌های کنترل به صورت مجزا یا یکپارچه برای مدیریت و نظارت بر هر جنبه از عملیات نیروگاه مورد استفاده قرار می‌گیرند. در زیر، به برخی از کاربردهای اصلی این تجهیزات در نیروگاه خورشیدی فتوولتائیک اشاره می‌شود:

 

1. مانیتورینگ و نظارت بر کارکرد پنل‌های خورشیدی:

   – تابلوهای کنترل با استفاده از سنسورها و مترها، عملکرد پنل‌های خورشیدی را نظارت کرده و اطلاعات مربوط به تولید انرژی، وضعیت عملکرد، وجود هر گونه نقص یا خطا را فراهم می‌کنند.

 

2. کنترل باتری و ذخیره‌سازی انرژی:

   – نیروگاه‌های خورشیدی فتوولتائیک معمولاً از سیستم‌های ذخیره‌سازی باتری برای استفاده در شبانه‌روز یا در شرایط آب و هوایی نامساعد استفاده می‌کنند. تابلوها به کنترل شارژ و تخلیه باتری‌ها و مدیریت بهینه این فرآیند‌ها کمک می‌کنند.

 

3. مدیریت تجهیزات:

   – تجهیزات مختلف مانند اینورترها، ترانسفورماتورها و دیگر سیستم‌های الکتریکی نیاز به کنترل دقیق دارند. تابلوهای کنترل با ارائه داده‌ها و دسترسی به پارامترهای مربوطه، به بهینه‌سازی و کاهش احتمال خطا در عملکرد این تجهیزات کمک می‌کنند.

 

4. مدیریت تغذیه شبکه:

   – این تابلوها به مدیران نیروگاه اجازه می‌دهند تا تولید انرژی خود را با نیازهای شبکه هماهنگ کنند. این شامل تنظیم توان تولید، کنترل فرکانس و ولتاژ، و مدیریت اتصال به شبکه ملی می‌شود.

 

5. اطلاعات‌گیری و گزارش‌گیری:

   – سیستم‌های کنترل در نیروگاه خورشیدی توانمندی گزارش‌گیری و ذخیره اطلاعات مربوط به عملکرد بهره‌وری را فراهم می‌کنند. این اطلاعات به مدیران کمک می‌کند تا اقدامات بهینه‌سازی و تصمیمات استراتژیک را بر اساس داده‌های دقیق انجام دهند.

 

با توجه به موارد فوق، استفاده از تابلوهای کنترل و سیستم‌های کنترل فرآیند در نیروگاه خورشیدی فتوولتائیک از اهمیت بسیار زیادی برخوردار است و به بهبود کارایی و پایداری این نوع نیروگاه‌ها کمک فراوان می‌کند.

 

۲. تابلوهای حفاظت الکتریکی نیروگاه خورشیدی:

– وظیفه:

  – ایجاد حفاظت در مقابل خطاهای الکتریکی و جلوگیری از خسارت به تجهیزات و افراد.

– ویژگی‌ها:

  – شامل رله‌های جریان، ولتاژ و توان، محافظت در برابر افت ولتاژ، افزایش جریان، ولتاژ بالا و پایین و …

تابلوهای حفاظت الکتریکی در نیروگاه‌های خورشیدی فتوولتائیک نقش بسیار حیاتی دارند. این تابلوها به منظور محافظت از تجهیزات الکتریکی و افزایش ایمنی سیستم‌های نیروگاه در مواجهه با خطرات مختلف به کار می‌روند. در زیر، به برخی از کاربردهای اصلی تابلوهای حفاظت الکتریکی در نیروگاه‌های خورشیدی فتوولتائیک اشاره می‌شود:

 

1. حفاظت از تجهیزات الکتریکی:

   – تابلوهای حفاظت الکتریکی شامل دستگاه‌ها و سیستم‌های مختلف حفاظتی هستند که در مقابل افت ولتاژ، جریان بیش از حد، افزایش دما، و دیگر خطرات الکتریکی محافظت ایجاد می‌کنند. این اقدامات جلوی آسیب به تجهیزات اساسی مانند اینورترها، ترانسفورماتورها و سایر دستگاه‌های الکتریکی را می‌گیرند.

 

2. حفاظت در مقابل شرایط آب و هوایی:

   – نیروگاه‌های خورشیدی ممکن است در شرایط آب و هوایی متنوعی مانند باران، برف، یخبندان و تغییرات دما قرار گیرند. تابلوهای حفاظت الکتریکی برای جلوگیری از وارد شدن رطوبت و گرد و غبار به تجهیزات الکتریکی طراحی شده‌اند و در شرایط سخت آب و هوایی عملکرد ایمنی را تضمین می‌کنند.

 

3. مدیریت اتصالی:

   – حوادث ناشی از اتصالی در سیستم‌های الکتریکی می‌توانند عواقب جدی برای تجهیزات داشته باشند. تابلوهای حفاظت الکتریکی با اعمال مکانیزم‌های حفاظتی، از وقوع چنین حوادثی جلوگیری کرده و سیستم‌ها را در مقابل خسارات ناشی از آنها محافظت می‌کنند.

 

4. مدیریت فراگیر انرژی:

   – این تابلوها معمولاً دارای سیستم‌های حفاظتی هستند که در مقابل افزایش تنش‌های الکتریکی ناشی از فراگیر انرژی (سافت استارت) محافظت انجام می‌دهند. این اقدامات باعث جلوگیری از آسیب به تجهیزات الکتریکی به علت سوفت استارت می‌شوند.

 

5. پیگیری و نظارت دورهمی:

   – تابلوهای حفاظت الکتریکی معمولاً به سیستم‌های نظارتی متصل هستند که اطلاعات لحظه‌ای در مورد وضعیت عملکرد و ایمنی تجهیزات را فراهم می‌کنند. این اطلاعات به مدیران نیروگاه اجازه می‌دهند تا به سرعت واکنش نشان دهند و اقدامات لازم را برای حفاظت ایمنی انجام دهند.

 

استفاده از تابلوهای حفاظت الکتریکی در نیروگاه‌های خورشیدی فتوولتائیک اساسی است تا از عملکرد بهینه تجهیزات الکتریکی در شرایط مختلف محیطی و خطرات الکتریکی مختلف اطمینان حاصل شود و ایمنی سیستم‌ها تضمین گردد.

 

 

۳. تابلوهای اتصال به شبکه نیروگاه خورشیدی:

– وظیفه:

  – مدیریت اتصال نیروگاه به شبکه و تعامل با سیستم شبکه.

– ویژگی‌ها:

  – شامل تجهیزات اتصال به شبکه، تجهیزات حفاظتی شبکه و تجهیزات اطلاعاتی مورد نیاز.

تابلوهای اتصال به شبکه در نیروگاه خورشیدی فتوولتائیک نقش مهمی در اتصال نیروگاه به شبکه برق عمومی دارند و اطمینان از انتقال انرژی به صورت مؤثر و امن فراهم می‌کنند. در زیر به برخی از کاربردهای اصلی تابلوهای اتصال به شبکه در نیروگاه‌های خورشیدی فتوولتائیک اشاره خواهد شد:

 

1. اتصال به شبکه:

   – تابلوهای اتصال به شبکه مسئول ایجاد اتصال میان سیستم تولید انرژی خورشیدی و شبکه برق عمومی هستند. این تابلوها شامل سیستم‌های مختلف الکترونیکی و مکانیکی هستند که فرآیند اتصال و انتقال انرژی به صورت ایمن و مدیریت شده را انجام می‌دهند.

 

2. تنظیم توان:

   – تابلوهای اتصال به شبکه به تنظیم توان تولیدی نیروگاه بر اساس نیازهای شبکه کمک می‌کنند. این تنظیمات می‌توانند شامل تنظیم ولتاژ و ترتیب فازها باشند تا اطمینان حاصل شود که انرژی تولیدی با استانداردهای شبکه همخوانی دارد.

 

3. حفاظت از شبکه:

   – تابلوهای اتصال به شبکه دارای سیستم‌های حفاظتی هستند که در مقابل خطاها و حوادث الکتریکی ناشی از اتصال به شبکه، مانند افزایش جریان یا ولتاژ، محافظت ایمنی را فراهم می‌کنند. این حفاظت‌ها به جلوگیری از آسیب به تجهیزات و ایمنی شبکه کمک می‌کنند.

 

4. نظارت و کنترل:

   – تابلوهای اتصال به شبکه معمولاً دارای سیستم‌های نظارت و کنترل هستند که اطلاعات در مورد عملکرد نیروگاه، وضعیت اتصال به شبکه، و پارامترهای مختلف ارائه می‌دهند. این اطلاعات به مدیران نیروگاه کمک می‌کنند تا به بهینه‌سازی عملکرد و اطمینان از پایداری سیستم بپردازند.

 

5. مدیریت انتقال انرژی:

   – تابلوهای اتصال به شبکه به مدیریت انتقال انرژی از نیروگاه به شبکه کمک می‌کنند. این شامل کنترل جریان انتقالی، مدیریت ولتاژ، و کاهش از دست رفت انرژی در فرآیند انتقال می‌شود.

 

6. پیشگیری از نوسانات:

   – تابلوهای اتصال به شبکه با استفاده از سیستم‌های متقابل، نوسانات ناشی از تغییرات سریع در تولید خورشیدی را کنترل می‌کنند. این کنترل نوسانات به پایداری شبکه کمک کرده و تأمین انرژی پایدارتری فراهم می‌کند.

 

به طور کلی، تابلوهای اتصال به شبکه در نیروگاه‌های خورشیدی فتوولتائیک نقش اساسی در اطمینان از اتصال امن و بهینه به شبکه برق دارند و به بهبود کارایی و ایمنی سیستم کمک می‌کنند.

 

 

۴. تابلوهای انرژی هوشمند نیروگاه خورشیدی:

– وظیفه:

  – بهینه‌سازی عملکرد سیستم در شرایط مختلف و افزایش بهره‌وری.

– ویژگی‌ها:

  – استفاده از سیستم‌های کنترل هوشمند، اتصال به سیستم‌های ابری، امکان مانیتورینگ دوره‌ای و …

این تابلوها از تکنولوژی‌های پیشرفته و سیستم‌های هوشمند برای بهینه‌سازی عملکرد نیروگاه و افزایش بهره‌وری استفاده می‌کنند. در زیر به برخی از کاربردهای اصلی تابلوهای انرژی هوشمند در نیروگاه‌های خورشیدی فتوولتائیک اشاره می‌شود:

 

1. پیش‌بینی تولید انرژی:

   – تابلوهای انرژی هوشمند از الگوریتم‌ها و مدل‌های پیشرفته برای پیش‌بینی تولید انرژی خورشیدی استفاده می‌کنند. این اطلاعات پیش‌بینی به مدیران نیروگاه کمک می‌کنند تا بهترین استراتژی‌ها را برای مدیریت تولید و انتقال انرژی انتخاب کنند.

 

2. مدیریت بهینه تولید:

   – تابلوهای هوشمند با استفاده از اطلاعات دریافتی از سنسورها و تجهیزات مختلف، به بهینه‌سازی تولید انرژی می‌پردازند. این به معنای تنظیم بهینه زوایای پنل‌های خورشیدی، مدیریت توان تولیدی، و کاهش از دست رفت انرژی می‌باشد.

 

3. مدیریت باتری و ذخیره‌سازی:

   – در نیروگاه‌های خورشیدی که از سیستم‌های ذخیره‌سازی باتری استفاده می‌کنند، تابلوهای انرژی هوشمند به مدیریت بهینه شارژ و تخلیه باتری‌ها و بهره‌وری از آنها در ساعات پربارشکل کمک می‌کنند.

 

4. پیشگیری از خطاها و نقصان:

   – این تابلوها با نظارت دقیق بر تجهیزات و سیستم‌های نیروگاه، به مدیران اطلاعات دقیق در مورد وضعیت هر تجهیز و هر پنل فراهم می‌کنند. این امکان می‌دهد تا در صورت وجود خطاها یا نقصان، سریعاً واکنش نشان داده شود و از کاهش بهره‌وری جلوگیری شود.

 

5. مدیریت انرژی هوشمند:

   – با توجه به شرایط فوریتهای مختلف، تابلوهای انرژی هوشمند قابلیت تصمیم‌گیری هوشمندانه در مورد تخصیص منابع انرژی را دارند. این شامل انتخاب منبع انرژی، تنظیم توان تولید، و مدیریت اتصال به شبکه می‌شود.

 

6. مانیتورینگ و گزارش‌گیری:

   – تابلوهای هوشمند اطلاعات در مورد تولید انرژی، مصرف، و عملکرد تجهیزات را به صورت لحظه‌ای مانیتور می‌کنند. همچنین امکان گزارش‌گیری جامع از عملکرد نیروگاه را برای مدیران فراهم می‌کنند.

 

استفاده از تابلوهای انرژی هوشمند در نیروگاه‌های خورشیدی فتوولتائیک به مدیران این نیروگاه‌ها امکان می‌دهد که با بهره‌گیری از داده‌ها و اطلاعات دقیق، بهترین تصمیمات را برای بهینه‌سازی عملکرد و بهره‌وری گرفته و به ایجاد نیروگاه‌های هوشمند و پایدار کمک کنند.

 

۵. تابلوهای مدیریت و نظارت در نیروگاه خورشیدی بر پایه PLC  :

 

– وظیفه:

  – مدیریت و نظارت بر کل سیستم به صورت دوره‌ای.

– ویژگی‌ها:

  – دارای سیستم‌های نظارتی و گزارش‌گیری، امکان اتصال به سیستم‌های اطلاعاتی و اختصاص دسترسی به افراد مختلف.

تابلوهای مدیریت و نظارت در نیروگاه‌های خورشیدی فتوولتائیک، به ویژه بر پایه PLC  (کنترل‌کننده منطقی برنامه‌پذیر)، نقش مهمی در بهینه‌سازی و کنترل فرآیندها و تجهیزات دارند. PLCها ابزارهایی هستند که با برنامه‌ریزی قابل تغییر و برنامه‌نویسی، عملکرد تجهیزات الکتریکی و الکترونیکی را کنترل می‌کنند. در زیر به برخی از کاربردهای PLC در تابلوهای مدیریت و نظارت در نیروگاه‌های خورشیدی اشاره خواهد شد:

 

1. کنترل ولتاژ و جریان:

   – PLCها به عنوان کنترل‌کننده‌های اصلی در تنظیم و کنترل ولتاژ و جریان تجهیزات الکتریکی مانند اینورترها و ترانسفورماتورها در نیروگاه خورشیدی فعالیت می‌کنند. این کنترل‌ها به مدیران این امکان را می‌دهند تا به صورت دقیق و بهینه تنظیمات الکتریکی را اعمال کنند.

 

2. پیگیری و کنترل پنل‌های خورشیدی:

   – PLCها در مدیریت و کنترل پنل‌های خورشیدی نیز نقش دارند. با به کارگیری سنسورها و اطلاعات دریافتی از پنل‌های خورشیدی، PLCها قابلیت کنترل بهینه را برای حداکثر بهره‌وری از نور خورشید فراهم می‌کنند.

 

3. مدیریت باتری و ذخیره‌سازی:

   – در صورت استفاده از سیستم‌های ذخیره‌سازی باتری، PLCها در مدیریت شارژ و تخلیه باتری‌ها نقش دارند. این کنترل‌ها بهینه‌سازی مصرف و ذخیره انرژی را در ساعات پربارشکل ممکن می‌سازند.

 

4. نظارت بر ایمنی:

   – PLCها به‌طور مداوم وضعیت تجهیزات و فرآیندهای نیروگاه را نظارت می‌کنند و در صورت وقوع خطا یا حوادث الکتریکی، اقدامات ایمنی خودکار را آغاز می‌کنند. این امکان به افزایش ایمنی نیروگاه کمک می‌کند.

 

5. پیگیری و ثبت داده‌ها:

   – PLCها داده‌های جامع در مورد عملکرد تجهیزات و فرآیندهای نیروگاه را جمع‌آوری کرده و آنها را ثبت می‌کنند. این اطلاعات مهم برای تحلیل عملکرد و ارائه گزارش‌های دقیق به مدیران نیروگاه هستند.

 

6. تعمیر و نگهداری پیشگیرانه:

   – با تجهیز PLCها به سیستم‌های تشخیص خطا و اختلال، می‌توان در مراحل ابتدایی مشکلات را شناسایی کرده و اقدامات پیشگیرانه را اجرا کرد. این به کاهش تعطیلی‌ها و افزایش بهره‌وری کمک می‌کند.

 

با بهره‌گیری از PLCها در تابلوهای مدیریت و نظارت، نیروگاه‌های خورشیدی می‌توانند به شکل هوشمندانه‌تر و کارآمدتر مدیریت شوند و بهره‌وری انرژی افزایش یابد.

 

۶. تابلوهای ایمنی و اطفاء حریق در نیروگاه خورشیدی:

– وظیفه:

  – ارائه تجهیزات و سیستم‌های حفاظتی برای مقابله با حوادث ایمنی و اطفاء حریق.

– ویژگی‌ها:

  – سیستم‌های اعلام و اطفاء حریق، تجهیزات ایمنی الکتریکی و …

تابلوهای ایمنی و اطفاء حریق در نیروگاه‌های خورشیدی فتوولتائیک نقش بسیار حیاتی را در ایمنی و حفاظت از تجهیزات و ساختارهای نیروگاه ایفا می‌کنند. این تابلوها طراحی شده‌اند تا در مواقع اضطراری و حوادث، اقدامات ایمنی لازمه را به صورت خودکار فعال کنند و از گسترش آتش و خسارات جلوگیری کنند. در زیر به برخی از کاربردهای اصلی تابلوهای ایمنی و اطفاء حریق در نیروگاه‌های خورشیدی فتوولتائیک اشاره می‌شود:

 

1. اعلام حریق و اطفاء خودکار:

   – تابلوهای ایمنی در نیروگاه خورشیدی معمولاً به سیستم‌های اعلام حریق و اطفاء حریق متصل هستند. در صورت شناسایی حریق توسط سنسورهای دود یا حرارت، این تابلوها به طور خودکار سیستم‌های اطفاء حریق را فعال کرده و اقدامات لازمه را آغاز می‌کنند.

 

2. کنترل سیستم‌های اطفاء:

   – تابلوهای ایمنی کنترل بر سیستم‌های اطفاء حریق نیز دارند. این کنترل‌ها شامل کنترل انواع سیستم‌های اطفاء نظیر اسپرینکلرها، سیستم‌های گاز خنک‌کننده، یا سیستم‌های فوم اطفاء می‌شوند.

 

3. خاموش‌سازی تجهیزات الکتریکی:

   – در صورت حریق، تابلوهای ایمنی به منظور جلوگیری از خطرات الکتریکی می‌توانند بخشی از تجهیزات الکتریکی را خاموش کنند. این اقدام به کاهش احتمال بروز حوادث برقی و افزایش ایمنی کمک می‌کند.

 

4. نظارت بر اعمال ایمنی:

   – تابلوهای ایمنی نظارت دائمی بر وضعیت سیستم‌های ایمنی و اطفاء حریق دارند. این نظارت به منظور اطمینان از صحت عملکرد اجزای مختلف سیستم، باتری‌ها، سنسورها و سایر تجهیزات انجام می‌شود.

 

5. پیشگیری از خسارات جداسازی امنیتی:

   – تابلوهای ایمنی با تحلیل و پیش‌بینی ریسک‌ها، اقداماتی را برای پیشگیری از خسارات بیشتر در صورت وقوع حوادث فراهم می‌کنند. این اقدامات شامل جداسازی و جداسازی امنیتی اجزای سیستم می‌شوند.

 

6. آموزش و تمرین:

   – تابلوهای ایمنی نقش مهمی در آموزش و تمرین افراد مسئول ایمنی دارند. این تمرینات به افراد کمک می‌کنند تا با عملکرد تجهیزات ایمنی و اطفاء آشنا شوند و در مواقع اضطراری به بهترین شکل واکنش نشان دهند.

 

به طور کلی، تابلوهای ایمنی و اطفاء حریق در نیروگاه‌های خورشیدی فتوولتائیک به ارتقاء ایمنی و به حداقل رساندن خطرات حریق و خسارات مرتبط با آنها کمک می‌کنند. این تابلوها با استفاده از تکنولوژی‌های مدرن به ایجاد محیطی ایمن و پایدار در نیروگاه خورشیدی کمک می‌کنند.

 

نویسنده: مهدی پارساوند

فرصت محدود احداث نیروگاه خورشیدی در میان نوسانات ارز و افزایش هزینه های ساخت و ساز

 

معرفی

با توجه به احتمال افزایش نرخ ارز و افزایش قیمت جهانی تجهیزات نیروگاه و به تبع آن افزایش هزینه‌های ساخت و ساز نسبت به نرخ‌ جدید خرید تضمینی برق که خیلی دیر توسط وزارت نیرو ابلاغ شد، فرصت محدودی برای ساخت یک نیروگاه خورشیدی خواهیم داشت که این مقاله به اختصار به پیچیدگی‌های استفاده از این فرصت محدود می‌پردازد و پتانسیل‌های موجود در میان عدم قطعیت‌های اقتصادی را بررسی می‌کند.

 

آیا نوسانات ارزی تغییر دهنده بازی خواهد بود؟

رمزگشایی تأثیر نوسانات ارز بر سرمایه گذاری های نیروگاهی کار پیچیده ای نیست. به رابطه بین نوسانات ارز و سرمایه گذاری های نیروگاه خورشیدی توجه کنید. کشف کنید که چگونه کاهش ارزش پولی می تواند امکان سنجی و سودآوری سرمایه گذاری نیروگاه خورشیدی شما را تحت تاثیر قرار دهد.

نگاهی دقیق تر به چشم انداز مالی یک چالش را نشان می دهد و آن چیزی نیست جز افزایش هزینه های ساخت و ساز. درک واقعیت های اقتصادی و استراتژی برای غلبه بر موانع ناشی از افزایش هزینه ها در توسعه نیروگاه خورشیدی امری غیرقابل چشم پوشی است.

نقش دولت در ابلاغ نرخ خرید تضمینی برق و باز کردن فرصت ها با نرخ های حمایتی ایفا شد هرچند خیلی دیر ولی اکنون توپ در زمین سرمایه گذاران است.

استفاده از فرصت و برنامه ریزی استراتژیک ایجاد مسیری برای موفقیت در میان چالش ها است.

با داشتن بینشی در مورد نوسانات ارز، هزینه های ساخت و ساز و حمایت دولت، وقت آن است که یک برنامه استراتژیک را ترسیم کنیم.

از کارشناسان صنعت در مورد غلبه بر موانع، مشاوره عملی دریافت کنید. از برنامه ریزی مالی گرفته تا اجرای پروژه، این نکات برای کارآفرینان نیروگاه خورشیدی ارزشمند است. در پاسخ به این سوال که آیا انرژی خورشیدی می تواند یک سرمایه گذاری قابل اعتماد در شرایط اقتصادی فعلی باشد باید گفت: بله، کاملا. علیرغم نوسانات ارز و افزایش هزینه های ساخت و ساز، ثبات ارائه شده توسط نرخ های خرید تحت حمایت دولت، انرژی خورشیدی را به یک سرمایه گذاری مناسب و مطمئن تبدیل می کند. حمایت دولت در موفقیت سرمایه گذاری نیروگاه خورشیدی تاثیرگذار است و نرخ‌های خرید تضمینی برق با حمایت دولت، پایه‌ای پایدار را فراهم می‌کند، جریان درآمد ثابتی را تضمین می‌کند و عدم اطمینان مالی را به حداقل می‌رساند.

یک برنامه استراتژیک موفق شامل تحقیقات بازار کامل، پیش بینی مالی، ارزیابی ریسک و نقشه راه روشن برای اجرای پروژه است در نتیجه شروع سفر برای ایجاد یک نیروگاه خورشیدی در میان نوسانات ارز و چالش های هزینه ساخت بدون شک چالش برانگیز است. با این حال، مسلح به دانش، برنامه ریزی استراتژیک و حمایت دولت، این فرصت محدود می تواند به یک سرمایه گذاری پر رونق و پایدار منجر شود. از لحظه استفاده کنید و به آینده ای سبزتر و پایدارتر کمک کنید.

نویسنده: مهدی پارساوند

 

چکیده: رشد سریع صنعت در انرژی خورشیدی نشان دهنده علاقه به انرژی های تجدید پذیر است. اهمیت برق شبکه های هوشمند حاصل از نیروگاه ها، تشخیص زودهنگام خطا یا ناهنجای در سیستم‌های فتوولتائیک (PV) را ضروری می سازد تا با کاهش اتلاف یا هدررفت پتانسل انرژی خورشیدی بتوانیم نیروگاه های خورشیدی بهینه در دوره بهره برداری داشته باشیم.

از این نظر، استفاده دقیق از آخرین و به‌روزترین  فناوری هوش مصنوعی ضروری است تا به موقع ناهنجاری های مختلف سیستم افشا شود. این مقاله با ارزیابی این موضوع به آن می پردازد.

عملکرد طرح‌های مختلف هوش مصنوعی و استفاده از آن‌ها برای تشخیص ناهنجاری‌ها، قطعات فتوولتائیک طرح‌های زیر ارزیابی می‌شوند:

AutoEncoder Long Short-Term Memory (AE-LSTM), Facebook-Prophet, and Isolation Forest

این مدل ها می توانند رفتارهای واقعی سالم و غیرعادی سیستم PV را شناسایی کنند، نتایج ما بینش روشنی برای شکل گیری یک راه حل ارائه می دهد. راه حل آگاهانه، به ویژه با مبادلات تجربی برای چنین فضای پیچیده ای، در این صنعت راه گشا خواهد بود.

کلمات کلیدی: تشخیص ناهنجاری. فراگیری ماشین؛ تجزیه و تحلیل سری زمانی؛ همبستگی

مقدمه

در دهه گذشته، توسعه و گسترش سریع انرژی های تجدید پذیر از جمله نیروگاه ها صورت گرفته است. انتظار می‌رود توسعه‌ و توانایی تولید انرژی پاک و مقرون به صرفه و ایجاد رشد اقتصادی باعث پیشرفت ما شود. در نتیجه، چالش های تولید انرژی خورشیدی اخیرا توجه قابل توجهی را به خود جلب کرده است. یک نگرانی پیشرو، شناسایی و بومی سازی الگوهای غیرعادی در نیروگاه های خورشیدی است و تکنیک های داده محور به تشخیص و پیشگیری از چنین ناهنجاری هایی کمک زیادی میکند.

سیستم های هوش منطقی می توانند ثابت کنند تجهیزات فتوولتائیک (PV)  در بسیاری از موارد کارآمد است، که با استفاده از شبکه های عصبی کانولوشن برای پیاده سازی هوش مصنوعی قابل پیاده سازی است.(شبکه عصبی کانولوشنال کلاسی از شبکه عصبی مصنوعی است که بیشتر برای تجزیه و تحلیل تصاویر بصری استفاده میشود).

عملکرد مقیاس پذیر و منسجم سیستم های خورشیدی PV به ابزارهای پیشرفته برای نظارت نیاز دارد، تکامل دینامیکی پارامترهای سیستم و انتشار هشدارهایی در مورد ناهنجاری ها به تصمیم گیرندگان و نظارت آنلاین سیستم های PV از نظر فنی برای کمک به اپراتورها مفید است. شکست در شناسایی خطاهای فاجعه بار در آرایه های فتوولتائیک (PV)  براین اساس کاهش می یابد. توان تولید شده و عدم کنترل حفاظتی، در واقع خطرات آتش سوزی را ایجاد می کند که ابتدا ناهنجاری درنمای بیرونی پنل های خورشیدی ظاهر می شود، اگر دارندگان پنل زودتر از وجود ناهنجاری ها مطلع شوند، آنها می توانند ناهنجاری ها را از بین ببرند تا از کمبود توان بیشتر جلوگیری کنند. بنابراین، سرعت و روش‌های تشخیص ناهنجاری برای بهبود قابلیت اطمینان و ایمنی و عملکرد سیستم های فتوولتاییک PV ( نیروگاه خورشیدی ) مهم هستند.

نیروگاه های خورشیدی PV معمولاً در نتیجه اشکال مختلف ناهنجاری ها به اندازه کافی اجرا نمی شوند. این ناهنجاری ها یا داخلی یا خارجی هستند. خطاها در سیستم خورشیدی PV بوجود می آیند و باعث می شوند تولید در روز صفر شود. خطاهای رایج عبارتند از خرابی در یک قطعه، جداسازی سیستم، خاموش شدن اینورتر، سایه اندازی و نقطه حداکثر توان اینورتر. عوامل خارجی مانند سایه، رطوبت، گرد و غبار و دما به عنوان ناهنجاری های خارجی قابل توجهی در نظر گرفته می شوند که سیستم های فتوولتاییک PV ( نیروگاه خورشیدی ) را تحت تاثیر قرار می دهند و تولید برق آن را تضعیف می کنند.

چندین ابتکارعمل برای رسیدگی به ناهنجاری قبلی پیشنهاد شده است.

کاربرد شبکه عصبی مصنوعی(ANN)  در مدل‌سازی دستگاه‌های خورشیدی بررسی می‌شود، که در مقایسه با تجربه مطالعات انجام شده، به آزمایش های تجربی کمتری برای تعیین اتصالات ورودی/خروجی نیاز دارد، بنابراین باعث صرفه جویی در زمان و کاهش هزینه های مالی می شود. یک حافظه کوتاه مدت طولانی طرح شبکه عصبی (LSTM) برای پیش‌بینی بازده عکس‌های خورشیدی استفاده می‌شود. هوش مصنوعی می تواند آمارهای دریافتی، در یک بازه زمانی مشخص را برای شکل گیری الگوهای کنترل به کار گیرد. به همین ترتیب، طرح‌های مبتنی بر هوش مصنوعی مانند مدل LSTM و بهینه‌ساز شعله پروانه برای پیش‌بینی بازده دستگاه‌های تقطیر آب خورشیدی. LSTM بهینه شده بهتر از طرح LSTM مستقل عمل کرد.

کاربرد روش‌های یادگیری عمیق (DL) را در زمینه‌های مختلف بازبینی کردند، از جمله تولید برق از توربین های بادی و پنل های خورشیدی، پزشکی، کشاورزی و داده کاوی.

موارد مهم مقاله به شرح زیر است:

1. بررسی سه مدل شناخته شده تشخیص ناهنجاری: Autoencoder LSTM (AE-LSTM)، پیام رسان فیسبوک ، و محدوه ایزوله سازی. آزمون های مقایسه ای انجام شد: بررسی دقت و عملکرد این مدل ها با بهینه سازی هایپرپارامترها
2. تعریف و طبقه بندی عوامل داخلی و خارجی که باعث ایجاد ناهنجاری در نیروگاه فتوولتاییک میشوند، بررسی تاثیر آنها بر دقت مدل و مطالعه اثر همبستگی و تاثیر آن در تشخیص ناهنجاری ها.

در ادامه این مقاله، بخش 2 پیشینه مقاله و مرتبط را مورد بحث قرار می دهد و بخش 3 الگوریتم های یادگیری ماشین استفاده شده را مشخص می کند. بخش 4 مجموعه داده های جمع آوری شده را مشخص می کند و بخش 5 خروجی ها و پارامترهای آزمایشی را نشان می دهد.

در پایان، ما نتایج خود را جمع آوری می کنیم و برخی از جهت گیری های آینده را در بخش 6 ارائه می دهیم.

2. Related Work

چندین روش تکنیک های تشخیص ناهنجاری در نیروگاه های فتوولتائیک (PV) را بررسی کرده اند. به عنوان مثال، روش های متعددی را برای افشا و مقایسه دسته بندی ناهنجاری های حاوی مدل میانگین متحرک یکپارچه رگرسیون خودکار (ARIMA)، شبکه‌های عصبی، ماشین‌های بردار پشتیبان و طبقه‌بندی  k-نزدیک‌ترین همسایه‌ها.

طرحی برای چیدمان سیستم های فتوولتاییک PV ( نیروگاه خورشیدی ) این مدل برای پیش بینی تولید برق AC پیاده سازی شده است. ساخته شده بر روی ANN، که تولید برق AC را با استفاده از تابش خورشیدی و دمای داده های پانل سیستم های فتوولتاییک PV ( نیروگاه خورشیدی ) یک تکنیک جدید برای تشخیص ناهنجاری پیشنهاد شده است.

در پردازش تصویر حرارتی با ابزار SVM که ویژگی ها را به عنوان عنصر معیوب و انواع غیر معیوب طبقه بندی می کند.

یک تکنیک تشخیص ناهنجاری مبتنی بر مدل بخش DC و سایه لحظه ای از سیستم های فتوولتاییک PV ( نیروگاه خورشیدی ) برای بازرسی پیشنهاد شده است. در ابتدا، یک مدل بر اساس یک دیود برای تشریح ماهیت معمولی سیستم PV نظارت شده و تشکیل شده است. باقیمانده برای تشخیص عیب در مرحله بعد، یک فرآیند ماشین بردار پشتیبانی یک کلاس SVM)) به باقیمانده ها که با مدل در حال اجرا برای افشای خطا شروع می شود، اجرا می شود. روشی بدون حسگر برای آشکارسازی خطاهای هر پنل از آرایه های خورشیدی روش مدل محور SunDown بر تعاملات بین توان خروجی پنل ها تأثیر می گذارد. تولید توان توسط پنل های مجاور برای تشخیص نابرابری ها از تولید پیش بینی شده بررسی میشود.

این مدل می‌تواند خطاهای همزمان را در بسیاری از پنل‌ها مدیریت کند و ناهنجاری‌ها را برای تصمیم‌گیری ممکن طبقه‌بندی کند؛ منابعی از جمله برف، برگ ها، زباله ها و خرابی های الکتریکی.

ابزار جدیدی به نام ISDIPV) ) ارائه شده است که قادر به تشخیص ناهنجاری ها است و عیب یابی آنها در نیروگاه خورشیدی PV  شامل سه عملیات اساسی است: مواردی برای جمع آوری داده ها، تشخیص ناهنجاری و تشخیص ارائه شده، تفاوت در عملکرد منظم دو شکل از روش های مدل سازی اجرا شده است.

برای توصیف عملکرد معمولی پیش بینی شده: توابع انتقال خطی (LTF) و مدل های شبکه های عصبی ساخته شده بر روی رسپترون های چند لایه (MLP)  یک پاسخ داده محور برای تشخیص و طبقه بندی ناهنجاری کافی ارائه کرد که جریان های آرایه های سیستم های فتوولتاییک PV ( نیروگاه خورشیدی ) را به عنوان نشانه هایی برای افشا و طبقه بندی ناهنجاری های سیستم های فتوولتاییک PV ( نیروگاه خورشیدی ) اعمال کرد. رویکرد تشخیص ناهنجاری پیشنهادی از تکنیک‌های هوش مصنوعی بدون نظارت استفاده می‌کند. این رویکرد شامل دو مرحله، به ویژه تشخیص سیستم هوشمند محلی  (LCAD) و تشخیص ناهنجاری هوشمند در بستر جهانی (GCAD). شناسایی ناهنجاری های مربوط به مصرف سوخت ایستگاه های پایه و

داده های ثبت شده با استفاده از ژنراتور به عنوان مبدأ قدرت. ناهنجاری ها شناسایی شده از طریق یادگیری الگوهای مصرف سوخت با استفاده از چهار روش طبقه بندی: ماشین‌های بردار پشتیبانی (SVM)، k-نزدیک‌ترین همسایگان (KNN)، رگرسیون لجستیک (LR)  و پرسپترون چند لایه (MLP)  نتایج نشان داد که MLP بیشترین کارایی را در این زمینه دارد.

 

تفسیر اندازه گیری

یک تکنیک جدید برای نظارت بر سیستم های نیروگاه خورشیدی فتوولتاییک PV با تشخیص ناهنجاری ها ارائه شده است. با استفاده از “k-نزدیکترین همسایگان  (kNN) و “ماشین بردار پشتیبانی یک کلاس OCSVM)) الگوریتم های خودآموز به طور قابل توجهی تلاش اندازه گیری را کاهش داده و پشتیبانی می کنند که از پایش قابل اعتماد خطاها از الگوریتم k- نزدیکترین همسایه استفاده کردند و یک پرسپترون چند لایه برای پردازش داده ها از یک حسگر DC و تشخیص اختلاف جریان الکتریکی یک المان و تشخیص بدون حسگر پیشنهاد شده است. که توسط کاهش سریع جریان محصور شده توسط دو نقطه حداکثر توان کنترل می شود. شبیه سازی نمونه برداری ردیابی شده (MPPT) در نیروگاه های خورشیدیPV  برای اعتبار سنجی اجرا شد.

امکان تعیین ناهنجاری ها در برابر موارد نوسانی، صرف نظر از درجه اختلاف و تابش یک چارچوب با تشخیص ناهنجاری سلول های خورشیدی مونو کریستالی پیشنهاد شده است.

این چارچوب دو مرحله دارد: در مرحله اولیه، یک شبکه مولد غیرهماهنگ (GAN) برای ساخت یک مدل تشخیص ناهنجاری استفاده می شود. این مدل امکان تشخیص ترکیبات غیر طبیعی که فقط از نمونه های غیر معیوب برای تمرین استفاده می کنند.

شبکه کانولوشن

یک طرح تحلیلی برای بررسی آنلاین ویدیوی خام تصویربرداری از سطح پنل های نیروگاه خورشیدی ارائه شده است. جریان های ترموگرافی هوایی این طرح ترکیبی از پردازش تصویر و آمار است. روش های هوش مصنوعی طرح ارائه شده به اجزا قدرتمند بستگی دارد. تجزیه و تحلیل (RPCA)، که بر روی تصاویر سطح پنل های نیروگاه خورشیدی PV برای تشخیص و محصور کردن همزمان استفاده می شود از ناهنجاری ها علاوه بر RPCA، روش‌های پس از پردازش نیز برای آن پیشنهاد شده‌اند. کاهش نویز تصویر و تقسیم بندی مدل های متمایز برای نیروگاه انتخاب می شوند. بررسی داده های این مدلهای خطی، مدلهای مبتنی بر مجاورت، مدل‌ها، مجموعه‌های ناهنجاری و شبکه‌های عصبی که بالاترین نرخ تشخیص را دارند، احتمالات هستند.

SolarClique، یک روش مبتنی بر داده، برای تشخیص ناهنجاری ها درتولید برق تاسیسات نیروگاه خورشیدی است که این روش به هیچ دستگاه سنسوری نیاز ندارد. برای تشخیص خطا/ناهنجاری در عوض، منحصراً به نتیجه مونتاژ آرایه نیاز دارد

و آرایه های نزدیک برای تشخیص ناهنجاری عملیاتی به کار گرفته میشوند.

یک تکنیک دیگر تشخیص ناهنجاری استفاده از یک مدل یادگیری نیمه نظارتی برای از پیش تعیین کردن نرخ تولید با اطلاع از میزان تابش خورشید پیشنهاد شده است. شرایط پنل های خورشیدی برای شرایطی که پنل خورشیدی نمی تواند برق تولید کند مورد آنالیز قرار میگیرد. در نتیجه خراب شدن تجهیزات این روش از مدل خوشه بندی برای اعمال منظم فیلتراسیون و مدل شبکه عصبی، Autoencoder، برای ایجاد طبقه بندی ناهنجاری یا خطا ها استفاده می کند.

یک طرح کلی، بدون نظارت و صرفا مقیاس پذیر برای تشخیص ناهنجاری ها و خطاهای نیروگاه خورشیدی ارائه شده است.

در داده ها در قالب یک بازه زمانی که می توانند به صورت آفلاین و آنلاین اجرا شوند. این طرح از یک مدل بازسازی به دنبال رمزگذار خودکار متغیر تشکیل شده است. رمزگذار و رمزگشا هر دو پارامتری هستند که با شبکه های عصبی دامنه دار برای تشخیص در بازه زمانی داده های دریافتی نتایج را بررسی کرده و نشان می‌دهد که مدل می‌تواند شرایط غیرعادی را با استفاده از معیارهای ترمیم احتمالی مانند ناهنجاری تشخیص دهد.

مدل رویکرد تشخیص ناهنجاری یا خطاهای بالقوه (به عنوان مثال، ولتاژ بالا/پایین) مجموعه ای با مدل های رگرسیون غیر خطی و آمار و ارقام ناهنجاری پس از مطالعه همبستگی که برای تشخیص نفوذ فیزیکی اقتباس شده است.

این الگوریتم بر داده های ورودی، شکل ناهنجاری ها، داده های خروجی و دانش متکی است.

 

3. مواد و روش ها: الگوریتم های ML

تکنیک ها و روش های مختلف مورد استفاده در این مقاله در این بخش مورد بحث قرار می گیرد.

یعنی، ما با الگوریتم‌های ML نور بیشتری را مورد استفاده قرار دادیم AutoEncoder Long Short-

روش تحقیق معماری های این الگوریتم به شدت مورد بحث قرار می گیرند و درک کاملی از آن ایجاد می کنند.

3.1. AutoEncoder حافظه کوتاه مدت /بلند مدت (AE-LSTM)

AutoEncoder (AE) یک ANN بدون نظارت است. دارای سه ساختار متقارن است: لایه ها: ورودی پنهان و یک لایه خروجی (بازسازی) . دارای فرآیندهای رمزگذاری و رمزگشایی داخلی است. رمزگذاری از ورودی شروع می شود لایه پنهان، در حالی که رمزگشایی لایه پنهان را به لایه خروجی هدایت می کند. AE شایستگی یادگیری موثر داده ها بدون برچسب برای پیش بینی از بردار ورودی را دارد. شکل 1ساختار AE را نشان می دهد.

Figure 1. The AutoEncoder (AE) model.

 

فرآیند رمزگذاری به شرح زیر است:

H = f1(Wi . X + bi)              (1)

 

که Wi و bi پارامترهای وزن و بایاس در بین ورودی و لایه پنهان هستند.

X ورودی اولیه، H نمایش میانی داده های اولیه و f1 است.

تابع فعال سازی به عنوان مثال، ReLU، لجستیک (Sigmoid)  و (TanH)  به همین ترتیب، رمزگشایی فرآیند به صورت زیر بیان میشود:

 

Xˆ = f2(Wh . H + bh)             (2)

 

که در آن Wh و bh وزن ها و پارامترهای بایاس بین مخفی و خروجی هستند.

bX خروجی است که از داده های ورودی بازسازی می شود.

AE آموزش داده شده با هدف به حداقل رساندن اختلاف بین خروجی bX و the بردار ورودی X از طریق مربع خطا همچنین به نام خطای بازسازی.

 

Figure 2. Long Short-Term Memory (LSTM) unit.

 

4. داده های جمع آوری شده

داده های مورد استفاده در دو نیروگاه خورشیدی در هند جمع آوری شد (نیروگاه 1 نزدیک گاندیکوتا، آندرا، و نیروگاه 2 در نزدیکی ناسیک، ماهاراشترا) در مدت 34 روز، هر کدام با فواصل 15 دقیقه ای هر نیروگاه شامل 22 حسگر متصل به هر اینورتر بود و سطوح تولید نیروگاه برای اندازه گیری نرخ تولید (یک عامل داخلی که می تواند باعث ناهنجاری ها شود)، مانند توان های AC وDC  در سطح اینورتر نیروگاه، اندازه گیری شد. تابش، دمای محیط و ماژول (آن عوامل خارجی که می توانند ناهنجاری ایجاد کنند) داده های اندازه گیری شده آب و هوا که منتشر شده.

Figure 3. Correlation matrix computing the linear correlation among the characteristic elements for power plants 1 and 2.

 

 نتایج و بحث

این بخش ارزیابی تجربی انجام شده برای اعتبار سنجی و ارزیابی را توضیح می دهد.

شرح کاملی از تنظیمات آزمایشی ارائه شده است. ما یافته ها و نتایج خود را با جزئیات تجزیه و تحلیل می کنیم.

سیستم های نیروگاه خورشیدی PV  ممکن است انواع مختلفی از ناهنجاری ها را داشته باشند. برای مقایسه مناسب بین الگوریتم‌های تشخیص ناهنجاری، آزمایش‌هایی برای بررسی اثر انجام شد. عوامل داخلی و خارجی و همچنین اثر همبستگی بر روی داده های همه اینورترها با بررسی دیتاهای سنسورهای این دو نیروگاه با مقایسه AC تولید شده انجام شد. توان اینورتر و نرخ تابش نیروگاه شماره 1 ، در شکل 4 نشان داده شده است.

قابل توجه است که در دوره های 7 و 14 خرداد (ژوئن) افت برق متناوب داشته است.

این اخطار می تواند نشان دهنده خرابی در سطح اینورتر باشد.

Figure 4. Signal comparison between AC, DC Power, Irradiation, and the Module Temperature signals from inverter number 12.

 

تعداد سیگنال های خطا یا ناهنجاری 13 عدد است که در تاریخ  7 و 14 خرداد (ژوئن) برعکس، برای سایر اینورترها مانند اینورتر شماره 12، افتی وجود نداشت. همانطور که در تولید برق AC، در شکل 5 نشان داده شده است.

 

Figure 5. Signal comparison between AC, DC Power, Irradiation, and the Module Temperature signals from inverter number 12.

6. نتیجه گیری

تشخیص خطا یا ناهنجاری در نیروگاه های خورشیدی مدرن، استفاده از رویکردهای داده محوربرای کاهش زمان های خرابی و افزایش کارایی حیاتی است. در این مقاله، سه عملکرد مدل ها مبتنی بر هوش مصنوعی برای مدلی که می تواند مورد تجزیه و تحلیل قرار گرفت، نشان داده شد که میتواند به طور دقیق خطاها یا ناهنجاری های موجود در سیستم نیروگاه خورشیدی فتوولتائیک (PV)  را تعیین کند. همبستگی ضرایب بین پارامترهای ویژگی داخلی و خارجی نیروگاه تعیین شد و برای تجزیه و تحلیل کارایی مدل های هوش مصنوعی در تشخیص ناهنجاری ها استفاده می شود.

AE-LSTM ناهنجاری ها و سیگنال سالم را با موفقیت شناسایی کرد. در آینده بررسی تکنیک‌های کاهش ناهنجاری، هوشمند می‌شود که روند هوش مصنوعی، یعنی هوش مرکزی، در نیروگاه های انرژی خورشیدی هوشمند در مقیاس بزرگ به کار گرفته خواهد شد.

 

نویسندگان مقاله چاپ شده در مجله MDPI:

Mariam Ibrahim

Ahmad Alsheikh

Feras M. Awaysheh

Mohammad Dahman Alshehri