دعم قرار التشغيل الكهربائي والصيانة للأنظمة الكهروضوئية

أهمية دعم قرار التشغيل الكهربائي والصيانة للأنظمة الكهروضوئية

من المقرر أن تصبح تقنية الخلايا الكهروضوئية الشمسية المصدر المهيمن لتوليد الكهرباء في جميع أنحاء العالم وأساساً رئيسياً لأنظمة الطاقة المستقبلية، وفي هذا المجال يعد توسيع نطاق الكهرباء الفعالة من حيث التكلفة من تقنيات الطاقة الشمسية أمراً بالغ الأهمية لإزالة الكربون وتحويل قطاع الكهرباء، بحيث يتمثل أحد عوامل التمكين الرئيسية للاستيعاب المستقبلي لسلسلة القيمة التكنولوجية الكهروضوئية وتعزيزها في خفض التكلفة المعيارية للكهرباء (LCoE).

كما تتمثل إحدى طرق تحقيق ذلك في تحسين الأداء مدى الحياة وتحسين استراتيجيات المراقبة والتشغيل والصيانة (O&M)، إلى جانب هذا السياق، ترتبط الحلول التقنية الرئيسية التي تدعم الأداء العالي للمصنع بإمكانيات طرق تحليل البيانات الذكية التي توفر المراقبة في الوقت الفعلي والتشخيص الآلي.

وتحقيقاً لهذه الغاية؛ فإنه يمكن أن تساعد أنظمة المراقبة المعززة بميزات آلية تعتمد على البيانات (مثل اكتشاف الأعطال عن بُعد والتنبؤ بالأخطاء واستراتيجيات الصيانة) في تحسين الموثوقية وحماية الأداء الكهروضوئي الأمثل من خلال حل مشكلات تقليل الطاقة بذكاء.

أيضاً تتضمن مناهج المراقبة والتشغيل والصيانة التقليدية للطاقة الشمسية تنفيذ التحليلات الوصفية والتشخيصات، بينما تركز أحدث الأساليب على التنبؤات (أي التحليلات التنبؤية والتعليمية)، ومن خلال هذه الحقبة تم نشر الحلول الآلية والرقمية لتحسين الأداء الكهروضوئي وتحويل خدمات الصيانة، وهكذا بدأت أنشطة البحث الحالية في التركيز على استخدام تحليلات وإجراءات أكثر تقدماً وتعقيداً لتحسين أنشطة التشغيل والصيانة.

ونظراً لأن محطات الطاقة الشمسية تولد باستمرار كميات كبيرة من البيانات؛ فإن الأساليب القائمة على البيانات، والتي تستخرج القيمة من البيانات، وذلك حسب الشكل التالي (1)، بحيث أصبحت أكثر قيمة للمراقبة اليومية وإدارة التشغيل والصيانة وإعداد التقارير، كما يمكن أن يوفر التفسير الفعال للبيانات المجردة معلومات مفيدة حول حالات الفشل أو الخسائر المختلفة وأسبابها الجذرية.

وباتباع هذه الأفكار؛ فإنه يمكن لمالكي محطات الطاقة الكهروضوئية اتخاذ القرارات وتنفيذ إجراءات الصيانة، بحيث تُعد إجراءات التشغيل والصيانة المُحسَّنة ذات قيمة لضمان جودة التشغيل، على سبيل المثال، تعظيم طاقة إنتاج المحطة وتقليل فقدان توليد الطاقة وزيادة موثوقية الطاقة الكهروضوئية بشكل كبير، مما يؤدي بدوره إلى تحسين الإيرادات، وبالتالي تقليل (LCoE).

كما أظهرت دراسة مرجعية صناعية حديثة أن متوسط الطاقة القابلة للاسترداد لمحطة الكهروضوئية هو (5.27٪) (أي ما يعادل الدخل المحتمل القابل للاسترداد بقيمة 10،000 دولار / ميغاواط / سنة)، وذلك عند تنفيذ استراتيجيات التشغيل والصيانة المُحسَّنة، بحيث تمثل القيمة المئوية البالغة (5.27٪) متوسط الطاقة التي يمكن استردادها لنظام الكهروضوئية النموذجي (16.1 ميغاوات)، وخاصةً إذا تم حل حوادث ضعف الأداء المكتشفة وليس المبلغ الإجمالي لفقدان الطاقة سنوياً.

المنهجية الهندسية ونظام دعم القرار

يعتبر هيكل (DSS) والموضح في الشكل التالي (2)، بحيث يعمل على سلسلة زمنية من قياسات الأرصاد الجوية والقياسات الكهربائية، كما تقوم (DSS) تلقائياً بتنظيف وتحليل البيانات التشغيلية وبيانات الطقس الكهروضوئية لحساب المقاييس ذات المغزى واستخراج المعلومات حول حالة الحالة الصحية وإنتاج نتائج ثاقبة والتوصية بإجراءات محددة لتحسين أداء النظام الكهربائي.

كما يتم تطبيق إجراءات جودة البيانات (DQRs) مبدئياً لتصفية البيانات غير الصالحة، بينما يتم استخدام نموذج تنبؤي للطاقة لمحاكاة أداء (PV) في حالة عدم وجود ظروف خطأ أو خسارة، ثم تُستخدم خوارزميات اكتشاف الفشل (FDAs) للكشف عن حالات الفشل، بينما تُستخدم إجراءات الخسارة القائمة على الاتجاه (TLRs) لاكتشاف خسائر الأداء.

كما يتم إجراء تقدير فقد الطاقة وتقييم الحرجية باستخدام الطريقة التحليلية (FMECA)، وأخيراً يتم إنشاء اقتراحات لإجراءات الصيانة بواسطة إجراءات استراتيجيات الصيانة (MSR)، بحيث يتم إعطاء مزيد من التفاصيل في الأقسام الفرعية التالية.

إجراءات جودة البيانات (DQRs): تتكون عملية (DQRs) من (8) خطوات متسلسلة، بما في ذلك إحصائيات البيانات الأولية، والخطوة (1) هي فحص الاتساق أما (الخطوة 2-A) تحديد التوافر الفني، (الخطوة 2-B) للفحوصات الإضافية المضافة إلى الخطوة (2) لاكتشاف الأعطال وتصفية البيانات، أما الخطوة (3) للكشف عن البيانات غير الصالحة (المفقودة والخاطئة) والخطوة (4)، لتحديد آلية ومعدل البيانات المفقودة والخطوة (5) لمعالجة القيم غير الصالحة وإعادة بناء مجموعة البيانات، والخطوة (6) لتجميع البيانات والخطوة (7) والنهائي لإحصائيات البيانات (الخطوة 8).

كما يمكن العثور على معلومات مفصلة حول إجراءات منهجية تنقية البيانات، حيث أن أهداف عملية (DQRs) هي:

• تحديد وإزالة نقاط البيانات غير الصالحة لمجموعة القطار قبل محاكاة أداء محطة الطاقة الكهروضوئية.

• الاشتقاق معلومات حول حالة الحالة الصحية للنظام الكهربائي.

• تقديم رؤى حول البيانات الممكنة والتقنية، على سبيل المثال، مشكلات فقدان الاتصال ومشكلات تخزين البيانات والمزامنة والتشغيل الخاطئ لأجهزة الاستشعار وانقطاع وتعطل النظام الكهروضوئي والانقطاعات لأسباب الصيانة وفشل الشبكة وما إلى ذلك.

نموذج محاكاة النظام الكهروضوئي: تم استخدام نموذج تنبؤي للتعلم الآلي (ML) للتنبؤ بقوة التيار المستمر لنظام الكهروضوئية الاختباري من خلال الاستفادة من خوارزمية تعزيز التدرج الأقصى (XGBoost)، كما تم اختيار نموذج (ML) نظراً لدقته العالية في التنبؤ حتى عند تدريبه على أجزاء منخفضة من البيانات في الموقع والحد الأدنى من الميزات.

خوارزميات كشف الأعطال (FDAs): أثناء حالات الأعطال، يكون إنتاج طاقة التيار المستمر للنظام إما قريباً من الصفر (0-15٪ من الطاقة المتوقعة)، وذلك بسبب فشل إغلاق العاكس وأحداث الصيانة وفشل الشبكة وأعطال الأرض وما إلى ذلك، أو ينخفض (15-80٪ من المتوقع power) بسبب تجاوز الصمام الثنائي وأعطال الماس الكهربائي والتظليل الجزئي.

إجراءات فقدان الأداء المستندة إلى الاتجاه (TLRs): يشار إلى الحوادث التي تسبب فقدان الطاقة التدريجي أو الموسمي على أنها خسائر أداء “قائمة على الاتجاه” (مثل التدهور والثلج والتلوث)، بحيث يمكن أن تقلل مثل هذه الخسائر من إنتاج طاقة النظام الكهروضوئي بنسبة تصل إلى (20٪)، وفي بعض الحالات المحددة (على سبيل المثال، تساقط الثلوج بكثافة أو عاصفة رملية)، بحيث يمكن تجاوز هذا النطاق المحدد.

كما أنه يمكن أن تؤدي الحوادث المستندة إلى الاتجاه إلى خسارة أداء قابلة للعكس أو لا رجعة فيها (دائمة) بناءً على الضرر الناجم، بحيث يمكن تصنيف معظم الخسائر التي لا رجعة فيها على أنها تدهور مادي أو مكون للخلية أو الوحدة الكهروضوئية وتوازن النظام الكهروضوئي.

تصنيف وحرجة الفشل وفقدان الأداء: تم استخدام خوارزمية الكشف عن الشذوذ جنباً إلى جنب مع نموذج نقطة التغيير (CP) للتمييز بين حالات الفشل (على سبيل المثال، حالات الخطأ القريبة من الصفر) من آليات فقدان الأداء القابلة للعكس، على سبيل المثال ،الاتساخ والثلج، والتي لا رجعة فيها (مثل التدهور). على وجه الخصوص، كما تم استخدام الانحرافات الموسمية المتطرفة للطلاب (S-H-ESD) لاكتشاف البيانات الشاذة، مما يشير إلى حدوث فشل في بيانات السلاسل الزمنية.

إجراءات استراتيجيات الصيانة (MSRs): في حالة ضعف الأداء الكهروضوئي، توصي (DSS) بإجراءات محددة (على سبيل المثال، تنظيف الوحدات الكهروضوئية وإصلاح المعدات المعيبة واستبدال الوحدات الكهروضوئية)، وذلك ليتم تنفيذها بواسطة موظفي التشغيل والصيانة للتخفيف من تأثير الفشل وخسائر الأداء.