Fault detection of photovoltaic systems using machine learning techniques

Iliakis Georgios

URI	http://purl.tuc.gr/dl/dias/CE4B95F0-7DC0-4D90-9538-796AE6575E15	-
Identifier	https://doi.org/10.26233/heallink.tuc.87037	-
Language	el	-
Extent	96 σελίδες	el
Title	Εντοπισμός βλαβών φωτοβολταϊκών συστημάτων με τεχνικές μηχανικής μάθησης	el
Title	Fault detection of photovoltaic systems using machine learning techniques	en
Creator	Iliakis Georgios	en
Creator	Ηλιακης Γεωργιος	el
Contributor [Thesis Supervisor]	Koutroulis Eftychios	en
Contributor [Thesis Supervisor]	Κουτρουλης Ευτυχιος	el
Contributor [Committee Member]	Stavrakakis Georgios	en
Contributor [Committee Member]	Σταυρακακης Γεωργιος	el
Contributor [Committee Member]	Lagoudakis Michail	en
Contributor [Committee Member]	Λαγουδακης Μιχαηλ	el
Publisher	Πολυτεχνείο Κρήτης	el
Publisher	Technical University of Crete	en
Academic Unit	Technical University of Crete::School of Electrical and Computer Engineering	en
Academic Unit	Πολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
Content Summary	Σκοπός της εργασίας αυτής είναι η ανάπτυξη ενός αλγορίθμου για την ανίχνευση σφαλμάτων στη λειτουργία φωτοβολταϊκών συστημάτων. Είναι προφανές, ότι όπως όλα τα συστήματα, έτσι και τα φωτοβολταϊκά εμφανίζουν συγκεκριμένες προϋποθέσεις ορθής λειτουργίας. Όταν αυτές δεν ικανοποιούνται, μπορούμε να ισχυριστούμε με βεβαιότητα ότι η ομαλή λειτουργία του συστήματος έχει διαταραχτεί. Για τους σκοπούς της μελέτης αυτής, προσομοιώθηκε σε περιβάλλον Matlab/Simulink ένα φωτοβολταϊκό σύστημα το οποίο περιλαμβάνει φωτοβολταϊκά πλαίσια συνδεδεμένα σε σειρά και παράλληλα. Προκειμένου να διαπιστωθεί αν το φωτοβολταϊκό σύστημα λειτουργεί ομαλά, το λογισμικό που αναπτύχθηκε βασίζεται κυρίως σε τεχνικές μηχανικής μάθησης. Συγκεκριμένα, χρησιμοποιεί αποθηκευμένα δεδομένα που αντιστοιχούν σε ομαλές και μη καταστάσεις λειτουργίας, τα οποία συγκρίνει με την τρέχουσα κατάσταση του συστήματος, και ανάλογα αποφασίζει αν υπάρχει κάποιο σφάλμα στη λειτουργία, ή όχι. Το λογισμικό αυτό χαρακτηρίζεται από ευελιξία, καθώς με μικρές προσαρμογές είναι δυνατόν να λειτουργήσει για αρκετές συνδεσμολογίες φωτοβολταϊκών πλαισίων. Όσον αφορά την αποδοτικότητα του αλγορίθμου, αυτή είναι αρκετά υψηλή, καθώς ο αλγόριθμος είναι ικανός να αποφασίσει σωστά την κατάσταση του φωτοβολταϊκού συστήματος στην πλειοψηφία των περιπτώσεων.	el
Content Summary	The purpose of this project is the development of an algorithm, which is able to detect faults in the operation of Photovoltaic Systems. It is obvious that, like in every system, photovoltaic systems have specific conditions in order to function properly. When those conditions are not satisfied, we can claim with certainty that the normal function of the system has been affected. For the purposes of this research, a photovoltaic system consisting of photovoltaic panels connected in series and parallel, was simulated in the Matlab/Simulink environment. In order to decide if the system operates properly, the software that was developed relies mainly on machine learning techniques. More specifically, it uses stored data, which correspond to normal or not states of function, it compares them with the current state of the system, and decides accordingly if there is an error in the operation of the Photovoltaic system or not. The software can be described as flexible, because with small adjustments it is able to operate for several different connections of photovoltaic panels. When it comes to the performance of the algorithm, it can be described as very effective, since the software which was developed is in most cases able to detect the state of the Photovoltaic system correctly.	en
Type of Item	Διπλωματική Εργασία	el
Type of Item	Diploma Work	en
License	http://creativecommons.org/licenses/by/4.0/	en
Date of Item	2020-10-14	-
Date of Publication	2020	-
Subject	Photovoltaic systems	en
Subject	Φωτοβολταϊκά συστήματα	el
Subject	ΑΠΕ	el
Subject	RES	en
Subject	Ανανεώσιμες Πηγές Ενέργειας	el
Subject	Renewable Energy Sources	en
Subject	Machine learning	en
Subject	Μηχανική μάθηση	el
Subject	Ανίχνευση σφαλμάτων	el
Subject	Error detection	en
Bibliographic Citation	Γεώργιος Ηλιάκης, "Εντοπισμός βλαβών φωτοβολταϊκών συστημάτων με τεχνικές μηχανικής μάθησης ", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2020	el
Bibliographic Citation	Georgios Iliakis, "Fault detection of photovoltaic systems using machine learning techniques", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2020	en

Search

Browse

My Space

Fault detection of photovoltaic systems using machine learning techniques

Iliakis Georgios

Available Files

Services

Export

Share

Statistics

Metadata & Content in a METS Package:

Metadata in Format: