Intelligente Diagnostik von Leistungseinbussen in Solarkraftwerken
Auf einen Blick
- Projektleiter/in : Dr. Lilach Goren Huber
- Stellv. Projektleiter/in : Dr. Gianmarco Pizza
- Projektteam : Oliver Carmignani, Mila Francesca Lüscher, Jannik Zgraggen
- Projektstatus : abgeschlossen
- Drittmittelgeber : Innosuisse (Innovationsprojekt / Projekt Nr. 55018.1 IP-ICT)
- Projektpartner : Nispera AG
- Kontaktperson : Lilach Goren Huber
Beschreibung
Ein neues Softwaremodul für intelligente Leistungsanalyse und Fehlerdiagnose für Photovoltaik-Kraftwerke wird entwickelt und in die bestehende Nispera-Plattform integriert. Der Service umfasst die Diagnose von auffälligen Leistungsschwächen und ermöglicht eine kosteneffiziente Wartungsplanung.
Publikationen
-
Goren Huber, Lilach; Palmé, Jan Thomas; Arias Chao, Manuel,
2023.
Hybride Instandhaltung : wie fliesst das Fachwissen in die KI?.
fmpro service.
2023(6), S. 5-7.
Verfügbar unter: https://doi.org/10.21256/zhaw-29515
-
Zgraggen, Jannik; Guo, Yuyan; Notaristefano, Antonio; Goren Huber, Lilach,
2023.
Fully unsupervised fault detection in solar power plants using physics-informed deep learning [Paper].
In:
Brito, Mário P.; Aven, Terje; Baraldi, Piero; Čepin, Marko; Zio, Enrico, Hrsg.,
Proceedings of the 33rd European Safety and Reliability Conference (ESREL 2023).
33rd European Safety and Reliability Conference (ESREL), Southampton, United Kingdom, 3-7 September 2023.
Singapore:
Research Publishing.
S. 1737-1745.
Verfügbar unter: https://doi.org/10.3850/978-981-18-8071-1_P652-cd
-
Zgraggen, Jannik; Guo, Yuyan; Notaristefano, Antonio; Goren Huber, Lilach,
2022.
Physics informed deep learning for tracker fault detection in photovoltaic power plants [Paper].
In:
Kulkarni, Chetan; Saxena, Abhinav, Hrsg.,
Proceedings of the Annual Conference of the PHM Society 2022.
14th Annual Conference of the Prognostics and Health Management Society, Nashville, USA, 1-4 November 2022.
PHM Society.
Verfügbar unter: https://doi.org/10.36001/phmconf.2022.v14i1.3235
-
Goren Huber, Lilach; Notaristefano, Antonio,
2022.
Predictive Maintenance mit Physics-Informed-Deep-Learning : Anwendungsfall Photovoltaikanlagen.
fmpro service.
2022(3), S. 24-25.
Verfügbar unter: https://doi.org/10.21256/zhaw-25292