Tecnologia de IA para detecção de arco CC em sistemas fotovoltaicos

Share

Da pv magazine Global

Pesquisadores da Universidade de Tianjin, na China, e do fabricante de inversores Ginlong Solis desenvolveram um novo método baseado em IA para detecção de arco em corrente contínua (CC) em sistemas fotovoltaicos.

Um arco CC ocorre em arranjos fotovoltaicos quando há uma descarga elétrica entre as partes condutoras deste lado do sistema. A alta energia e temperatura envolvidas no processo ionizam os gases circundantes, criando um caminho de plasma para que a corrente continue fluindo. “As falhas de arco fotovoltaico CC têm o potencial de iniciar incêndios, danificar propriedades e colocar em risco a vida das pessoas”, afirmou o grupo. “Muitos países estabeleceram padrões de detecção de arco CC e definiram proteção contra falhas de arco CC devido às consequências desastrosas dos arcos CC.”

A nova técnica é baseada no algoritmo de transformação rápida de Fourier (FFT) e no método de estimativa de aprendizagem de máquina de rede neural de retropropagação (BPNN). O FFT é um algoritmo frequentemente utilizado para analisar sinais e nesta pesquisa foi utilizado para converter a corrente fotovoltaica para o domínio da frequência. BPNN é um método de treinamento de aprendizado de máquina que se corrige alterando o peso que atribui às diferentes camadas de seu mecanismo de compreensão.

Na primeira etapa do método proposto, uma unidade de processador de sinal digital (DSP) colhe amostras de componentes da corrente alternada (CA) do lado fotovoltaico, até atingir centenas de pontos. Em seguida, ele usa o algoritmo FFT para obter resultados no domínio da frequência e remover os componentes da faixa de baixa frequência (menos de 41 kHz) e da faixa de alta frequência (acima de 102,5 kHz).

Na etapa seguinte, as amostras restantes são divididas em oito grupos, alimentando-as para a análise do BPNN. Usando esses oito grupos, o modelo de IA processa os dados e decide se existe um arco. Se isso acontecer, ele envia um comando para o CC/CC final do sistema para interromper o arco.

“O processo de interrupção do arco pode ser feito localmente, eliminando a necessidade de decisões serem tomadas pela camada de nível do inversor e pela camada de nuvem”, acrescentaram. “Como resultado, a confiabilidade do sistema é relativamente alta. A desvantagem é que os algoritmos são implementados principalmente na camada final do fotovoltaico. Além disso, como os dados de treinamento são salvos localmente, as unidades locais devem ter maior memória física para armazenamento de dados.”

O modelo de IA é treinado de duas maneiras – online e offline. No caso offline, os dados de treinamento coletados são inseridos nos algoritmos de um computador, o que atualiza as capacidades do software de controle DSP. O treinamento online entra em vigor quando o reconhecimento offline falha. Quando falha, os dados registrados do sistema de detecção são enviados para a nuvem, onde a IA é treinada posteriormente. Em seguida, envia os resultados de volta para a unidade física.

“O arco pode ser identificado instantaneamente utilizando análise FFT e IA, e o tempo de detecção do arco é inferior a 200 ms quando ocorre um arco”, disseram os cientistas.

Para testar seu método de detecção, eles construíram uma plataforma de teste. Entre o PV da plataforma e o inversor eles conectaram um gerador de arco, um dispositivo que pode criar um arco para a IA identificar.

“Os resultados do treinamento correspondem muito aos valores reais”, descobriram. “Além disso, 40 conjuntos de dados de teste são usados para validar o modelo treinado. Os resultados do teste e o modelo criado combinam bem. A taxa de sucesso é de 97,5% e apenas 1 em cada 40 conjuntos é identificado incorretamente. O tempo de detecção do arco é inferior a 200 ms quando ocorre um arco.”

A nova abordagem foi apresentada em “A DC arc detection method for photovoltaic (PV) systems”, publicado na Results in Engineering.

Este conteúdo é protegido por direitos autorais e não pode ser reutilizado. Se você deseja cooperar conosco e gostaria de reutilizar parte de nosso conteúdo, por favor entre em contato com: editors@pv-magazine.com.