Ali Hamz · Zunaib Alia · Sandra Dudley · Komal Saleem 等6人 · Applied Energy · 2025年1月 · Vol.393

摘要 光伏（PV）行业面临诸多挑战，包括高昂的初始成本、对天气条件的依赖性、易发生故障、电网运行不稳定性以及组件性能退化等问题。预测性维护（PdM）旨在主动识别潜在问题，从而提高系统的可靠性与运行效率，但若缺乏进一步的诊断措施，可能无法提供具体的故障信息。本研究提出了一种先进的预测性维护与故障诊断集成框架，该框架融合了故障模式分析、故障严重程度评估以及关键故障预测功能，旨在通过识别和分析特定的故障模式来提升光伏系统的运行效能，减少停机时间并增强系统可靠性。因此，本文对当前应用于光伏系统中预测性维...

解读: 该AI驱动的预测性维护与故障诊断框架对阳光电源SG系列光伏逆变器及ST储能系统具有重要应用价值。通过集成故障模式识别、严重性评估和关键故障预测,可显著提升iSolarCloud平台的智能运维能力。建议将多阶段诊断框架融入MPPT优化算法,实现组件级故障预警;结合PowerTitan储能系统的数据标准...