基于现场监测数据实验的自动故障检测算法设计实用建议
系统与控制
2022-03-03 v1 机器学习
系统与控制
摘要
自动故障检测(AFD)是优化光伏(PV)系统组合运维的关键技术。一种非常常见的检测光伏系统故障的方法是基于测量性能与模拟性能之间的比较。尽管许多作者已经探索了这种方法，但由于缺乏评估其性能的共同基础，目前尚不清楚AFD算法设计中的影响因素。在本研究中，使用在德国安装的80个屋顶型光伏系统上收集的58个月监测数据，在实际运行条件下测试了一系列AFD算法。结果表明，这种类型的AFD算法有潜力检测高达82.8%的能量损失，且特异性超过90%。总的来说，模拟精度越高，特异性越高。使用精度较低的模拟可以提高灵敏度，但代价是降低特异性。单独分析测量值使算法对模拟精度的敏感性降低。使用机器学习聚类算法进行统计分析显示出防止误报的卓越能力，即使在建模精度不高的情况下也是如此。如果可以容忍稍高的误报水平，使用Shewhart控制图分析每日PR能以极其简单的解决方案提供高灵敏度，无需更复杂的建模或聚类算法。
引用
@article{arxiv.2203.01103,
title = {Practical Recommendations for the Design of Automatic Fault Detection Algorithms Based on Experiments with Field Monitoring Data},
author = {Eduardo Abdon Sarquis Filho and Björn Müller and Nicolas Holland and Christian Reise and Klaus Kiefer and Bernd Kollosch and Paulo J. Costa Branco},
journal= {arXiv preprint arXiv:2203.01103},
year = {2022}
}
备注
33 pages, 30 figures, preprint submitted to Elsevier Solar Energy