Hybrydowa platforma symulacyjno-eksperymentalna do wykrywania usterek w czasie rzeczywistym w przetwornikach podwyższających napięcie w instalacjach fotowoltaicznych z wykorzystaniem logiki rozmytej i łączności LoRa

Niezawodne działanie systemów fotowoltaicznych (PV) w dużym stopniu zależy od wydajności przetworników podwyższających napięcie DC–DC, które są podatne na awarie przełączników półprzewodnikowych i elementów pasywnych. W niniejszym artykule przedstawiono hybrydową platformę łączącą symulację z badaniami eksperymentalnymi, służącą do diagnostyki awarii w czasie rzeczywistym w fotowoltaicznych przetwornikach podwyższających napięcie, integrującą inteligentną diagnostykę opartą na logice rozmytej z zdalnym monitorowaniem za pomocą technologii LoRa. Opracowano symulację w dziedzinie czasu opartą na języku Python w celu modelowania dynamiki przetwornicy w warunkach normalnych i awaryjnych, obejmującą scenariusze degradacji diod, cewek indukcyjnych i tranzystorów MOSFET. W odróżnieniu od istniejących podejść, które opierają się głównie na symulacji lub ograniczonej walidacji laboratoryjnej, proponowana platforma łączy implementację sprzętową w czasie rzeczywistym z monitorowaniem opartym na technologii IoT, umożliwiając zarówno dokładną klasyfikację usterek, jak i skalowalny nadzór zdalny. Symulowane sygnatury napięcia i prądu zostały zweryfikowane za pomocą prototypu sprzętowego opartego na kontrolerze Arduino Mega, czujnikach napięcia i prądu oraz module LoRa32 służącym do bezprzewodowej transmisji dalekiego zasięgu do platformy chmurowej Firebase. System wnioskowania rozmytego, zaimplementowany zarówno w środowisku symulacyjnym, jak i sprzętowym, z powodzeniem klasyfikował usterki na poziomie komponentów z czasem reakcji poniżej jednej sekundy. Wyniki wskazują na niezawodną wydajność wykrywania, pozwalającą na postawienie diagnozy usterki w ciągu 1 s oraz przesłanie raportu do chmury w około 1 s, przy jednoczesnym zachowaniu odporności w zróżnicowanych warunkach natężenia promieniowania słonecznego i obciążenia. Proponowana hybrydowa struktura poprawia niezawodność diagnostyki, ułatwia skalowalne monitorowanie oparte na technologii IoT oraz tworzy powtarzalną podstawę do inteligentnego monitorowania przetworników energii odnawialnej.