AI-alapú öntanuló rendszer érzékeli az ívhibákat a napelemes panelekben
Xiaoke Yang és kutatótársai új, könnyűsúlyú keretrendszert fejlesztettek, amely 99,99%-os pontossággal azonosítja a napelemes rendszerek veszélyes ívhibáit.
Xiaoke Yang és csapata egy új, könnyű, átvihető és öntanuló keretrendszert mutatott be, amely a fotovoltaikus rendszerek DC ívfault érzékelésére szolgál. A kutatás 53 000 feliratozott mintát használva 0,9999 pontossággal és 0,9996 F1‑pontszámmal határozta meg az ívfaultokat, miközben 0 % a hamis kimenet aránya.
Az ívfaultok észlelése kritikus a háztartási PV rendszerek tűzveszélyének csökkentésében, de a hagyományos AFCI‑k gyakran küzdenek inverteres zavarokkal, hardveres eltérésekkel és környezeti zajokkal. A bemutatott LD‑framework három modulból áll: a LD‑Spec kompakt spektrális reprezentációt tanít a készüléken, a LD‑Align áthidalja a hardverindukált eloszláseltéréseket, a LD‑Adapt pedig felhő–kiszolgáló együttműködésen keresztül frissíti a modellt új működési körülményekre.
A technológia nem csupán pontosságban, hanem alkalmazhatóságban is kiemelkedik. Egyetlen 0,5–1 % címkézett céladat elég a cross‑hardware adaptációhoz, miközben megőrzi a forrásadatok teljesítményét. Field‑adaptációs teszteknél a rendszer 21 % –ből 95 % –re állította vissza a felismerési pontosságot, ami a hosszú távú működésre vonatkozó megbízhatóságot bizonyítja.
Az eredmények alapján az LD‑framework egy skálázható, telepítésorientált AFCI megoldást kínál, amely képes megbízhatóan működni különböző inverterplatformokon és időben változó körülmények között.
A kutatók szerint a következő lépés a gyakorlatba ültetés, amely során a keretrendszer valós időben fog működni a piaci termékekben. A 2026‑2027 közötti időszakban várható a pilótajobásítás, amely során a teljesítményt tovább finomítják és a felhő–edge együttműködés optimalizálódik.