AVTONOM FOTOELEKTRIK TIZIMLARDA NOSOZLIKLARNI SUN’IY INTELLEKT ASOSIDA PROGNOZLASH
Keywords:
Kalit so‘zlar: avtonom fotoelektrik tizim, quyosh energiyasi, sun’iy intellekt, mashinali o‘qitish, nosozliklarni prognozlash, intellektual diagnostika, monitoring, ishonchlilik, energiya yo‘qotishlari.Abstract
Annotatsiya: Ushbu tezisda avtonom quyosh fotoelektrik tizimlarida yuzaga keladigan nosozliklarni sun’iy intellekt asosida prognozlash masalasi ko‘rib chiqilgan. Fotoelektrik modullar, akkumulyator batareyalari, invertor va elektr ulanishlarida yuzaga keladigan nosozliklarni oldindan aniqlash tizimning ishonchliligi va energiya samaradorligini oshirishda muhim ahamiyatga ega. Tadqiqotda fotoelektrik tizimning asosiy ishchi parametrlarini monitoring qilish hamda ular asosida mashinali o‘qitish algoritmlaridan foydalangan holda nosozliklarning yuzaga kelish ehtimolini prognozlash yondashuvi taklif etiladi. Taklif etilgan yondashuv nosozliklarni dastlabki bosqichda aniqlash, energiya yo‘qotishlarini kamaytirish va avtonom fotoelektrik tizimlarning uzluksiz ishlashini ta’minlashga xizmat qiladi.
References
[1] O‘zbekiston Respublikasi Prezidenti. (2023, 16-fevral). 2023-yilda qayta tiklanuvchi energiya manbalarini va energiya tejovchi texnologiyalarni joriy etishni jadallashtirish chora-tadbirlari to‘g‘risida (PQ–57-son qaror).
[2] O‘zbekiston Respublikasi Prezidenti. (2024, 14-oktabr). Sun’iy intellekt texnologiyalarini 2030-yilga qadar rivojlantirish strategiyasini tasdiqlash to‘g‘risida (PQ–358-son qaror).
[3] Berghout, T., Benbouzid, M., Bentrcia, T., Ma, X., Djurović, S., & Mouss, L.-H. (2021). Machine learning-based condition monitoring for PV systems: State of the art and future prospects. Energies, 14(19), 6316. doi:10.3390/en14196316
[4] Islam, M., Rashel, M. R., Ahmed, M. T., Islam, A. K. M. K., & Tlemçani, M. (2023). Artificial intelligence in photovoltaic fault identification and diagnosis: A systematic review. Energies, 16(21), 7417. doi:10.3390/en16217417
[5] El-Banby, G. M., Moawad, N. M., Abouzalm, B. A., Abouzaid, W. F., & Ramadan, E. A. (2023). Photovoltaic system fault detection techniques: A review. Neural Computing and Applications, 35, 24829–24842. doi:10.1007/s00521-023-09041-7
[6] Chang, Z., & Han, T. (2024). Prognostics and health management of photovoltaic systems based on deep learning: A state-of-the-art review and future perspectives. Renewable and Sustainable Energy Reviews, 205, 114861. doi:10.1016/j.rser.2024.114861
[7] International Electrotechnical Commission. (2021). IEC 61724-1:2021: Photovoltaic system performance—Part 1: Monitoring. International Electrotechnical Commission.
