Рахмонов Икромжон Усмонович – д-р техн. наук, профессор, заведующий кафедрой «Электроснабжение»
г. Ташкент
Ikromjon Usmonovich Rakhmonov
Tashkent
Ниёзов Нуъмон Низомиддинович – доктор философии по техническим наук (PhD), доцент, доцент кафедры “Электроснабжение”
г. Ташкент
Nu'mon Nizomidinovich Niyozov
Tashkent
Курбонов Нурбек Нурулло угли – доктор философии по техническим наук (PhD), старший преподаватель кафедры «Электроснабжение»
г. Ташкент
Nurbek Nurullo ugli Kurbanov
Tashkent
Ахметова Римма Валентиновна – канд. техн. наук, доцент, директор департамента образования
г. Казань
Rimma Valentinovna Akhmetova
Kazan
Таслимов Абдурахим Дехканович – д-р техн. наук, профессор, профессор кафедры «Электроснабжение»
г. Ташкент
Abdurakhim Dekhanovich Taslimov
Tashkent
Расулов Абдулхай Норходжаевич – д-р техн. наук, профессор, профессор кафедры «Электроснабжение»
г. Ташкент
Abdulkhay Norhodzhaevich Rasulov
Tashkent
Цель. Проведение динамического анализа факторов, влияющих на надёжность инверторов, применяемых в крупномасштабных солнечных электростанциях, и разработка алгоритмов предиктивного мониторинга их технического состояния.
Методы. В рамках исследования использованы методы системной классификации факторов надёжности, теплового, электрического и механического анализа, а также методы машинного обучения на базе автокодировщиков для обнаружения аномалий. Применены сенсорные технологии и IoT-архитектура для сбора и обработки параметров в реальном времени.
Результаты. Разработана классификация факторов, влияющих на отказоустойчивость инверторов, с указанием возможностей их сенсорного мониторинга. Построена архитектура адаптивной системы анализа технического состояния, включающая блок-схему динамического мониторинга. Предложена модель Autoencoder + Threshold-based Anomaly Detection для оценки индекса состояния инверторов в реальном времени, что обеспечивает раннее выявление потенциальных неисправностей.
Заключение. Разработанный подход позволяет повысить надёжность и эксплуатационную эффективность централизованных инверторов за счёт внедрения интеллектуальной системы мониторинга. Применение предиктивной аналитики и сенсорной архитектуры способствует снижению затрат на техническое обслуживание, повышению устойчивости работы солнечных электростанций и предупреждению отказов до их возникновения.
Objective. To conduct a dynamic analysis of the factors affecting the reliability of inverters used in large-scale solar power plants and to develop predictive monitoring algorithms for their technical condition.
Methods. The study employed methods of systematic classification of reliability factors, thermal, electrical, and mechanical analysis, as well as machine learning techniques based on autoencoders for anomaly detection. Sensor technologies and IoT architecture were utilized for real-time data acquisition and processing.
Results. A classification of factors influencing inverter reliability was developed, including an assessment of their sensor monitoring capabilities. An adaptive system architecture for technical condition analysis was constructed, incorporating a block diagram of dynamic monitoring. An Autoencoder + Threshold-based Anomaly Detection model was proposed to evaluate the inverter health index in real time, enabling early detection of potential failures.
Conclusion. The proposed approach enhances the reliability and operational efficiency of centralized inverters by implementing an intelligent monitoring system. The use of predictive analytics and sensor-based architecture contributes to reduced maintenance costs, improved operational stability of solar power plants, and preemptive failure detection.
The authors declare that there are no conflicts of interest present.