Sukanta Roy · Alexander Stevenson · Shahid Tufail · Hugo Riggs 等6人 · IEEE Transactions on Industry Applications · 2024年12月

摘要：天气引发的时空劣化限制了户外光伏逆变器的使用寿命和可靠性，因此需要进行先进的数据分析。本研究采用自上而下、数据驱动的方法，利用多种机器学习（ML）算法来评估一座1.4兆瓦光伏电站中逆变器的可靠性，同时考虑了辐照度、湿度、温度、一天中的时间以及天气状况等因素。来自17台相同逆变器的大量警报数据集，包括警报类型、传播情况和发生频率，揭示了其与环境因素和逆变器输出功率之间的显著相关性，从而能够构建性能可靠性模型。对双阶段监督式机器学习模型的准确性进行了评估，其中人工神经网络（ANN）的“分类 -...

解读: 该机器学习驱动的可靠性评估技术对阳光电源SG系列光伏逆变器及ST储能变流器产品线具有重要应用价值。研究提出的告警-环境变异性分析框架可直接集成至iSolarCloud智能运维平台，通过融合温湿度、辐照度等多源环境参数与现场告警数据，实现对户外逆变器的精准寿命预测与预测性维护。该方法可优化阳光电源现有...