Cистема слежения за точкой максимальной мощности фотоэлектрического модуля на основе модифицированной нечеткой нейросети

Объектом исследования является система слежения за точкой максимальной мощности фотоэлектрического модуля Цель исследования – создание интеллектуальной системы слежения за точкой максимальной мощности фотоэлектрического массива на основе модифицированной нечеткой нейросети. Цель второго этапа проекта на период, на который предоставлен грант– создание и валидация системы слежения за точкой максимальной мощности фотоэлектрического массива на основе модифицированной нечеткой нейросети достигнута полностью в объеме следующих выполненных задач и работ: 1. Для интеллектуальной системы слежения за точкой максимальной мощности солнечной электростанции, на основе модифицированной нечеткой нейросети разработана подсистема распознавания частичного затенения фотоэлектрического массива по его изображению, использующая всю имеющуюся информацию по фотоэлектрической системе, включая изображение солнечных панелей и показания всех имеющихся датчиков для максимизации выработки солнечной электростанции в режиме реального времени. Мощность, генерируемая фотоэлектрическим массивом, зависит от окружающей температуры, уровня инсоляции и частичного затенения. Генерируемая мощность фотоэлектрического массива значительно снижается из-за частичного затенения, факт которого затруднительно отслеживать и прогнозировать. Вольтамперная характеристика фотоэлектрического модуля имеет несколько пиковых значений. Таким образом, решение задачи слежения за точкой максимальной мощности фотоэлектрического массива в условиях динамики неравномерной инсоляции представляет собой глобальную динамическую оптимизационную проблему и требует обеспечения результатов глобальной динамической оптимизации в режиме реального времени. За счет всего вышеперечисленного стандартные алгоритмы слежения за точкой максимальной мощности, такие как алгоритм возмущений, не справляются со своей задачей. Созданная подсистема распознавания частичного затенения фотоэлектрического массива по его изображению обеспечивает экономически доступную, в сравнении с традиционными датчиками инсоляции (которых потребуется очень много для фотоэлектрического массива – несколько десятков датчиков на каждый модуль) технологию распознавания интенсивности и расположения уровней инсоляции фотоэлектрического массива в режиме реального времени. Разработанная подсистема включает: один блок свёртки (the convolutional block), поскольку изображение массива солнечных панелей получается на основе настроенной видеокамеры солнечной станции и уже инвариантно к изменению масштаба, повороту, сдвигу, смене ракурса и пространственным искажениям; двухслойную рекуррентную нейросеть. 2. Cозданы и апробированы (с использованием четырехлетнего архива инсоляции, выработки, изображений солнечных панелей и значений датчиков солнечной электростанции мощностью 5 МВт) в среде Octave интеллектуальные системы слежения за точкой максимальной мощности солнечной электростанции, на основе модифицированной нечеткой нейросети, включающие разработанную подсистему распознавания частичного затенения фотоэлектрического массива по его изображению. Результаты сравнительного экспериментального моделирования в среде Octave демонстрируют в условиях неравномерной инсоляции робастность созданных новых интеллектуальных систем слежения за точкой максимальной мощности солнечной электростанции и их высокую эффективность – повышение КПД солнечной электростанции в среднем на 30% и 40% в зависимости от степени затененности в сравнении со стандартными моделями слежения за точкой максимальной мощности фотоэлектрического массива на основе алгоритма возмущений и метода роевых частиц, соответственно. 3. С целью валидации разработанной системы слежения за точкой максимальной мощности фотоэлектрического массива, реализованной средствами Octave, проведена экспериментальная апробация автоматизированных методов обеспечения на всех этапах жизненного цикла интеллектуальных систем слежения за точкой максимальной мощности солнечной электростанции на основе модифицированной нечеткой нейросети (с использованием четырехлетнего архива инсоляции, выработки, изображений солнечных панелей и значений датчиков солнечной электростанции мощностью 5 МВт): • экспериментальное сравнение усовершенствованного модифицированного метода структурно-параметрического синтеза (разработана кодировка архитектуры модифицированной нечеткой нейросети, снижающая размерность пространства поиска и вычислительные затраты, упрощающая оптимизацию; для повышения эффективности роевого поиска добавлены распределения, например, Лапласа) интеллектуальных систем слежения за точкой максимальной мощности солнечной электростанции в сравнении с традиционными методами (частотных характеристик, временных характеристик, наименьших квадратов, статистических корреляционных функций, градиентными и роевыми методами настройки интеллектуальных систем) выявило следующие его преимущества: автоматический режим генерации интеллектуальных систем слежения за точкой максимальной мощности солнечной электростанции – автоматическая генерация оптимальной архитектуры модифицированной нечеткой нейросети и сокращение вычислительных затрат (более быстрая сходимость к глобальному экстремуму фитнес-функции в сравнении с роевыми методами настройки интеллектуальных систем); • экспериментальная апробация модифицированного метода диагностического функционирования интеллектуальных систем слежения за точкой максимальной мощности солнечной электростанции в сравнении с традиционными методами Ляпунова выявила следующие его преимущества: автоматический режим диагностики и интерпретация на естественном языке (средствами нечеткой логики) состояния устойчивости интеллектуальных систем слежения за точкой максимальной мощности солнечной электростанции; для повышения надежности диагностического функционирования интеллектуальных систем слежения за точкой максимальной мощности солнечной электростанции разработана подсистема прогнозирования наработки на отказ оборудования солнечной электростанции на основе модифицированной нечеткой нейросети, показавшая эффективность и робастность при экспериментальном моделировании в среде Octave (средняя относительная ошибка прогноза 1%); • экспериментальная апробация модифицированного метода масштабированной самоадаптации (самообучаемости) интеллектуальных систем слежения за точкой максимальной мощности солнечной электростанции выявила в сравнении с традиционными градиентными и роевыми методами настройки интеллектуальных систем следующие его преимущества: автоматический режим масштабированной самоадаптации интеллектуальных систем слежения за точкой максимальной мощности солнечной электростанции – автоматическая масштабируемая самоадаптация (с сохранением части настроенных параметров) оптимальной архитектуры модифицированной нечеткой нейросети и сокращение вычислительных затрат (более быстрая сходимость к глобальному экстремуму фитнес-функции в сравнении с роевыми методами настройки интеллектуальных систем).