Diagnosis of a stand-alone photovoltaic installation by the analytical redundancy relationship method (ARR)

• Autorzy: Bait Fateh , Samia Latreche , Mabrouk Khemliche , Lokmane Boulemzaoud

Identyfikatory

DOI

10.15199/48.2024.04.15

Warianty tytułu

PL

Diagnoza autonomicznej instalacji fotowoltaicznej metodą analitycznej zależności redundancji (ARR)

• Języki publikacji: EN

Abstrakty

EN

Solar energy is one of the most important renewable sources to replace fossil fuels for electric power generation. like other energy systems, it is susceptible to several faults and anomalies during operation, which can reduce its performance and productivity. This paper provides a diagnostic method based on the Analytical Redundancy Relation (ARR) method for detecting faults in off-grid photovoltaic systems. This method is based on the calculation of residues between the modules and the PV system, which enables more accurate faults detection and anomalies. Additionally, a comprehensive structure to diagnose the effect of rainfall on PV installations has been designed. The proposed approach is evaluated using a MATLAB/Simulink simulation model, and the results demonstrate the effectiveness of the ARR method in detecting faults in PV systems. The developed structure is also able to diagnose the impact of rainfall on the performance of PV installations. The results obtained can help improve the performance and reliability of PV systems, which can contribute to the wider adoption of solar energy as a clean and sustainable energy source.

PL

Energia słoneczna jest jednym z najważniejszych źródeł odnawialnych zastępujących paliwa kopalne w procesie wytwarzania energii elektrycznej. podobnie jak inne systemy energetyczne, jest on podatny na szereg usterek i anomalii podczas pracy, co może zmniejszyć jego wydajność i produktywność. W artykule przedstawiono metodę diagnostyczną opartą na metodzie analitycznej relacji redundancji (ARR) służącą do wykrywania uszkodzeń w systemach fotowoltaicznych poza siecią. Metoda ta opiera się na obliczeniu pozostałości pomiędzy modułami a systemem PV, co umożliwia dokładniejsze wykrywanie usterek i anomalii. Dodatkowo zaprojektowano kompleksową strukturę do diagnozowania wpływu opadów atmosferycznych na instalacje PV. Zaproponowane podejście zostało ocenione przy użyciu modelu symulacyjnego MATLAB/Simulink, a wyniki wykazały skuteczność metody ARR w wykrywaniu usterek w systemach fotowoltaicznych. Opracowana konstrukcja umożliwia także diagnozowanie wpływu opadów atmosferycznych na pracę instalacji PV. Uzyskane wyniki mogą pomóc w poprawie wydajności i niezawodności systemów fotowoltaicznych, co może przyczynić się do szerszego przyjęcia energii słonecznej jako czystego i zrównoważonego źródła energii.

Słowa kluczowe

EN

diagnosis; fault detection; ARR; photovoltaic; renewable energy

PL

diagnostyka; wykrywanie usterek; ARR; fotowoltaika; energia odnawialna

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2024
• Tom: R. 100, nr 4
• Strony: 78--82
• Opis fizyczny: Bibliogr. 26 poz., rys., tab.

Twórcy

autor

Bait Fateh

• Electrical Engineering Department, Automatic Laboratory, Setif 1 University

autor

Samia Latreche

• Electrical Engineering Department, Automatic Laboratory, Setif 1 University

autor

Mabrouk Khemliche

• Electrical Engineering Department, Automatic Laboratory, Setif 1 University

autor

Lokmane Boulemzaoud

• Electrical Engineering Department, Automatic Laboratory, Setif 1 University

Bibliografia

• [1] Shavelkin A, Gerlici J, Shvedchykova I.O, Kravchenko K, & Kruhliak H.V. (2021). Management of power consumption in a photovoltaic system with a storage battery connected to the network with multi-zone electricity pricing to supply the local facility own needs. Electrical Engineering & Electromechanics, (2), 36–42. https://doi.org/1.20998/2074-272X.2021.2.06.
• [2] Latreche S., Badoud A. E., and Khemliche M., “Implementation of MPPT Algorithm and Supervision of Shading on Photovoltaic Module”, Eng. Technol. Appl. Sci. Res., vol. 8, no. 6, pp. 3541– 3544, Dec. 2018. https://etasr.com/index.php/ETASR/article/view/2354
• [3] S. Latreche, A. E. Badoud, and M. Khemliche, “Implementation of MPPT algorithm and supervision of shading on photovoltaic module,” Engineering, Technology and Applied Science Research, vol. 8, no. 6, pp. 3541–3544, Dec. 2018, doi: 10.48084/etasr.2354.
• [4] Chine W, Mellit A, Pavan AM, Kalogirou SA. Fault detection method for gridconnected photovoltaic plants. Renew Energy 2014; 66:99 –110.
• [5] Silvestre S, Chouder A, Karatepe E. Automatic fault detection in grid connected PV systems. Sol Energy 2013; 94:119 –27.
• [6] Davarifar M, Rabhi A, El Hajjaji A, Dahmane M New method for fault detection of PV panels in domestic applications. In: Proceedings of the 3rd international conference on systems and control (ICSC). IEEE; 29 Oct 2013. p. 727 –32.
• [7] Bonsignore L, Davarifar M, Rabhi A, Tina GM, Elhajjaji A. Neuro-fuzzy fault detection method for photovoltaic systems. Energy Procedia 2014; 62:431 –41.
• [8] S. Latreche, A. Khenfer, and M. Khemliche, “Sensors placement for the faults detection and isolation based on bridge linked configuration of photovoltaic array,” Electrical Engineering and Electromechanics, vol. 2022, no. 5, pp. 41–46, Sep. 2022, doi: 10.20998/2074-272X.2022.5.07.
• [9] Lahiouel Y., Latreche S., Khemliche M., Boulemzaoud L. Photovoltaic fault diagnosis algorithm using fuzzy logic controller basedon calculating distortion ratio of values. Electrical Engineering & Electromechanics, 2023, no. 4, pp. 40- 46. doi:https://doi.org/10.20998/2074-272X.2023.4.06
• [10] E. Garoudja, A. Chouder, K. Kara, and S. Silvestre, “An enhanced machine learning based approach for failures detection and diagnosis of PV systems,” Energy Convers. Manag., vol. 151, no. September, pp. 496–513, 2017, doi: 10.1016/j.enconman.2017.09.019.
• [11] Y. Lahiouel, S. Latreche, and H. Afghoul, “Experimental realization using a dSP ACE card of the PI control for an active power filter,” in 2022 19th IEEE International Multi-Conference on Systems, Signals and Devices, SSD 2022, May 2022, pp. 53–57, doi: 10.1109/SSD54932.2022.9955690.
• [12] X. Li, Q. Yang, Z. Lou, and W. Yan, Deep Learning Based Module Defect Analysis for Large-Scale Photovoltaic Farms, IEEE Trans. Energy Convers., vol. 34, no. 1, pp. 520–529, 2019, doi:10.1109/TEC.2018.2873358.
• [13] S. Lu, T. Sirojan, B. T. Phung, D. Zhang, and E. Ambikairajah, “DADCGAN: An Effective Methodology for DC Series Arc Fault Diagnosis in Photovoltaic Systems,” IEEE Access, vol. 7, pp. 45831–45840, 2019, doi: 10.1109/ACCESS.2019.2909267.
• [14] M.A.Younis, T. Khatib, M. Najeeb, and A.M. Ariffin, ‘’An improved maximum power point tracking controller for PV systems using artificial neural network‘’. Przeglad Elektrotechniczny, vol 88(3b), pp.116-121.
• [15] K. Dhibi et al., Reduced Kernel Random Forest Technique for Fault Detection and Classification in Grid-Tied PV Systems, IEEE J. Photovoltaics, vol. 10, no. 6, pp. 1864–1871, 2020, doi:10.1109/JPHOTOV.2020.3011068.
• [16] Khan, S., Mahmood, T., & Awan, K. (2021). A nature based novel maximum power point tracking algorithm for partial shading conditions. Electrical Engineering & Electromechanics, (6), 54–63. https://doi.org/10.20998/2074-272X.2021.6.08.
• [17] H. E. Amara, S. Latreche, M. A. Sid, and M. Khemliche, “Sliding mode observer and event triggering mechanism co-design,” Engineering, Technology and Applied Science Research, vol. 10, no. 2, pp. 5487–5491, Apr. 2020, doi: 10.48084/etasr.3285.
• [18] M. R. Mosavi, A. Rahmati , A . Khoshsaadat and P. Elektrotechniczny, Design of efficient adaptive neuro-fuzzy controller based on supervisory learning capable for speed and torque control of BLDC motor. PRZEGLĄD ELEKTROTECHNICZNY (Electrical Review), R, 88, 238-246. 2012
• [19] Naveen Venkatesh S, Sugumaran V, Machine vision-based fault diagnosis of photovoltaic modules using lazy learning approach Author links open overlay panel, https://doi.org/10.1016/j.measurement.2022.110786
• [20] F. Bait, S. Latreche, and M. Khemliche, “Simulation of different faults in photovoltaic installation,” in 2022 19th IEEE International Multi-Conference on Systems, Signals and Devices, SSD 2022, May 2022, pp. 1130–1138, doi: 10.1109/SSD54932.2022.9955851.
• [21] D. Fereka, M. Zerikat, A. Belaidi, and S. Chekroun, ‘’Performance improvement of ANFIS with sliding mode based on MRAS sensorless speed controller for induction motor drive‘’. Przegląd Elektrotechniczny, 95. 2019
• [22] L. Bun. Détection et localisation de défauts pour un système PV, Thèse Doctorat, Université de Grenoble, 2006.
• [23] M. Benkaci, Surveillance des systèmes mécatronique d’automobile par des méthodes d'apprentissage. Thèse de Doctorat, Université Toulouse III-Paul Sabatier, 2011.
• [24] R. Mrani Alaoui, Conception d’un module de diagnostic à base de suites de bandes temporelles en vue de la supervision des procédés énergétiques : application en ligne à un générateur de vapeur. Thèse de Doctorat, Université des Sciences et Technologie de Lille-Lille I, 2004.
• [25] Naveen V, Enkatesh S, V Sugumaran, Fault diagnosis of visual faults in photovoltaic modules: A Review, International Journal of Green Energy https://doi.org/10.1080/15435075.2020.1825443.
• [26] Hassan A, Younes, New open circuit fault detection in a DC-DC, 16 September 2021, https://doi.org/10.1002/2050- 7038.13094.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).