能源知識庫

重點摘述

本研究開發利用離散小波和AI引擎學習歷史與即時模組發電環境參數，預測當下發電量，採用半監督學習（semi-supervise learning）策略，進行群聚分析（clustering）後，再將發電資料、環境等相關因素納入參考，針對每一事件逐一建置分類器（classificatory），作為後續診斷異常事件之依據，達成及時診斷故障肇因，協助廠商掌握案場發電異常情形，及早排除故障。本研究開發異常檢測及通知裝置能夠在早期階段高精度檢測出異常並發出通知，有助於降低太陽能發電站的運行管理成本，降低發電損耗17%以上。 本研究技術報告主要介紹及時發電數據模擬分析中，關於小波轉換之模組。小波轉換是由法國學者Morlet、Grossman和Meter等人提出的理論，已被廣泛應用於許多領域，如訊號處理、通訊、計算機科學及數學，應用到語音辨識、圖像壓縮、信號處理、統計分析與數值分析等。主要分成連續小波轉換(CWT)和離散小波轉換(DWT)。本篇在此提出以小波轉換建立及時發電數據模擬分析之雛型技術、架構流程與程式開發步驟之介紹。