Probabilistic temperature estimation for a photovoltaic inverter
Loading...
URL
Journal Title
Journal ISSN
Volume Title
Sähkötekniikan korkeakoulu |
Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
2018-12-17
Department
Major/Subject
Electric Power and Energy Engineering
Mcode
ELEC3024
Degree programme
AEE - Master’s Programme in Automation and Electrical Engineering (TS2013)
Language
en
Pages
59+9
Series
Abstract
The purpose of this work is to understand whether a broken temperature sensor can be identified from time series data, if a probabilistic temperature model can be formulated for a single measurement for an outdoor inverter, and whether the inverter can continue converting power under the probabilistic model if the sensor is broken. Data given for this study were acquired from different experiments during the design and verification of a 2-MW outdoor central inverter for large utility-scale PV power plants. Based on these objectives, probabilistic methodology was constructed to identify outliers in the data, simulate very short-term temperature time series, and evaluate whether a certain temperature threshold is exceeded as a safety measure for continuing inverter operation. The proposed model is constructed of two blocks: an outlier detection block and an estimation block. The first block is based on principal component analysis, K-means and elliptical density estimation. The second block is based on Markov chain. The proposed methodology uses temperature time series data only without knowing the internals of the system. The proposed model was validated by inputting time-series data containing data from faulty temperature sensors under different failure scenarios, and by comparing simulated temperature time series data to historical temperature data under different cases. Moreover, the simulated time series data were used to verify whether the model can anticipate exceeding a certain temperature threshold. The model always detected the failed sensors. The error metrics of the simulated temperature time series were low. Furthermore, the model anticipated exceeding the given temperature threshold ahead of time.Tämän diplomityön tarkoituksena on tutkia mahdollisuutta tunnistaa vaihtosuuntaajan vioittunut lämpötila-anturi lämpötila-aikasarjoista, muodostaa tilastollinen malli yhdelle lämpötilamittaukselle sekä arvioida, voidaanko vaihtosuuntaajan toimintaa jatkaa tilastollisen mallin avulla lämpötila-anturin vioittuessa. Materiaalina käytettiin suuriin aurinkovoimaloihin suunnitellun 2 MW:n keskusinvertterin erilaisista kokeista kerättyjä lämpötilamittauksia. Työn tavoitteiden pohjalta muodostettiin tilastollinen menetelmä, joka tunnistaa vioittuneen lämpötila-anturin, simuloi lyhytaikaisia lämpötila-aikasarjoja sekä ennustaa vaihtosuuntaajan toiminnan jatkamisen kannalta, ylittyykö ennalta-asetettu lämpötilaraja. Esitetty malli on rakennettu vioittuneen lämpötila-anturin tunnistavasta lohkosta ja lämpötilaa estimoivasta lohkosta. Ensimmäinen lohko perustuu pääkomponenttianalyysiin, K:n keskiarvon klusterointimenetelmään ja virhe-ellipsiin. Toinen lohko perustuu Markovin ketjuun. Esitetty malli käyttää lähtötietona vain aikaisempia lämpötila-aikasarjoja. Menetelmän toimivuutta tutkittiin ensin tunnistamalla viallinen lämpötila-anturi sekä vertaamalla estimoitujen lämpötila-aikasarjojen jakaumia historiallisiin lämpötilatietoihin erilaisissa vioittumistapauksissa. Lisäksi menetelmän kykyä ennakoida ennalta-asetetun lämpötilarajan ylittämistä tutkittiin eri esimerkkien avulla. Esitetty menetelmä havaitsi vioittuneet lämpötila-anturit poikkeuksetta. Ennustettujen ja havaittujen lämpötila-aikasarjojen väliset erot olivat hyvin pieniä. Malli pystyi myös ennakoimaan tietyn lämpötilarajan ylittymisen.Description
Supervisor
Hinkkanen, MarkoThesis advisor
Qvintus, MikkoViitasaari, Lauri
Keywords
inverter, temperature, probabilistic estimation, PCA, clustering, Markov