هوش مصنوعی

هوش مصنوعی در نیروگاه خورشیدی: عیبی که کد خطا ندارد

اینورتری که از کار افتاده خودش را اعلام می‌کند. آنچه سال‌ها بی‌سروصدا تولید را می‌خورد، اینورتری است که کار می‌کند اما کمتر از آنچه باید تولید دارد. موتور هوش مصنوعی نورانت برای دیدن همین ساخته شده است.

مسئله این نیست که خرابی را ببینیم

اینورتری که کاملاً از کار افتاده، خودش را اعلام می‌کند: کد خطا می‌دهد، تولیدش صفر می‌شود و هر سامانه‌ای آن را می‌بیند. پول واقعی جای دیگری از دست می‌رود — اینورتری که کار می‌کند اما ۸ درصد کمتر از همسایه‌اش تولید دارد، رشته‌ای که یک ماژولش سایه گرفته، پنلی که غبارِ فصل را روی خودش دارد. هیچ‌کدام کد خطا ندارند. هیچ آستانه‌ی ثابتی هم آن‌ها را نمی‌گیرد، چون عدد مطلقشان در محدوده‌ی «طبیعی» است.

معیار درست، نسبی است نه مطلق: «۴۲ کیلووات» به‌تنهایی نه خوب است نه بد. آنچه معنا دارد این است که این اینورتر، در همین لحظه، با همین تابش و همین دما، نسبت به بیست‌وسه اینورتر دیگر همین نیروگاه — و نسبت به رفتار خودش در روزهای مشابه — کجا ایستاده است.

چطور کار می‌کند

  1. مبنا از خود نیروگاه ساخته می‌شودموتور، رفتار عادی هر اینورتر را از تاریخچه‌ی همان نیروگاه یاد می‌گیرد — نه از یک مدل عمومی که هیچ‌وقت این سایت را ندیده است.
  2. مقایسه‌ی هم‌زمان با همسایه‌هادر هر لحظه، همه‌ی اینورترها شرایط محیطی یکسانی دارند. پس اختلاف معنادار بین آن‌ها را نمی‌شود به «امروز ابری بود» نسبت داد.
  3. سنجش اندازه‌ی اثر، نه فقط وجود اختلافاختلاف کوچک همیشه هست. آنچه گزارش می‌شود انحرافی است که هم از نظر آماری معنادار باشد و هم از نظر انرژی، اندازه‌اش ارزش رفتن سر سایت را داشته باشد.
  4. یافته با راهکار ارائه می‌شودهر یافته شدت، درجه‌ی اطمینان و پیشنهاد اقدام دارد: بررسی اتصال رشته، شست‌وشوی آرایه، بازدید فن اینورتر. یافته‌ای که نگوید چه کاری باید کرد، فقط اضطراب تولید می‌کند.
  5. ورود به چرخه‌ی آلارمیافته‌ها به مرکز آلارم می‌روند و از همان مسیر تأیید و پیگیری آلارم‌های واقعی عبور می‌کنند؛ یافته‌های هم‌خانواده در یک آلارم جمع می‌شوند تا اپراتور با سیل هشدار روبه‌رو نشود.

چه چیزهایی را پیدا می‌کند

نشانهعلت محتملچرا آستانه‌ی ساده آن را نمی‌گیرد
افت پایدار یک اینورتر نسبت به بقیهخرابی تدریجی، فن یا خنک‌کاری، افت یک MPPTعدد مطلق در محدوده‌ی مجاز می‌ماند
افت الگودار در ساعات مشخصسایه‌اندازی درخت، دکل یا ردیف مجاوردر میانگین روزانه گم می‌شود
افت تدریجی کل آرایه در طول هفته‌هاآلودگی و گردوغبارهر روز نسبت به دیروز تغییر ناچیز است
یک رشته‌ی DC پایین‌تر از هم‌گروه‌هایشاتصال ضعیف، دیود بای‌پس، ماژول معیوبمجموع اینورتر همچنان قابل قبول است
واگرایی MPPTهای یک اینورترعدم تطابق رشته‌ها یا خرابی ورودیدر سطح اینورتر دیده نمی‌شود
تولید نامتناسب با شرایط روزمحدودسازی توان، مشکل شبکه، خطای پنهاننیاز به مقایسه با انرژی مورد انتظار دارد

آنچه ادعا نمی‌کنیم: این سامانه آینده را پیش‌گویی نمی‌کند و جای بازدید فنی را نمی‌گیرد. کاری که می‌کند این است که به شما بگوید کدام اینورتر و چه زمانی ارزش نگاه‌کردن دارد — تا بازدید، هدفمند باشد نه دوره‌ای و کور.

تحلیل در محل، حتی بدون اینترنت

تحلیل روی همان دستگاهی انجام می‌شود که داده را جمع می‌کند. این یعنی نیروگاهی که اینترنتش قطع است، همچنان تحلیل می‌شود و هشدارهایش را در محل ثبت می‌کند — و پس از وصل‌شدن، همه‌چیز به سرور می‌رسد.

برای مجموعه‌هایی که چند نیروگاه دارند، بسته‌های تحلیل ناوگان به‌صورت آفلاین قابل تولید و جابه‌جایی است؛ یعنی مقایسه‌ی نیروگاه‌ها با یکدیگر هم به اتصال دائمی وابسته نیست.

داده‌ی نبود، صفر نیست

یک اشتباه رایج در سامانه‌های پایش این است که «پاسخ نگرفتن از اینورتر» را با «تولید صفر» یکی می‌گیرند. نتیجه‌اش سیل هشدار کاذب است و — بدتر — راندمانی که ساختگی پایین گزارش می‌شود.

در نورانت این دو حالت در تمام مسیر از هم جدا نگه داشته می‌شوند: مقدارِ خوانده‌نشده در محاسبه‌ی شاخص وارد نمی‌شود، در نمودار جای خالی می‌ماند و رنگ وضعیتش «قطع» است نه «صفر». همچنین در ساعاتی که خورشید طلوع نکرده، اصلاً هشدار افت تولید صادر نمی‌شود.

ادامه‌ی مطلب

بخش‌های دیگر نورانت

می‌خواهید بدانید در نیروگاه شما چه چیزی پنهان مانده؟

در جلسه‌ی دمو، تحلیل را روی داده‌ی واقعی نیروگاه خودتان نشان می‌دهیم.

همین شماره در واتساپ، تلگرام، ایتا و بله پاسخگوست.