●技術簡介：
本技術提出一種利用人工蜂群演算法優化半監督極限學習機的機器學習演算法，結合太陽光電串列輸出電流/電壓曲線的特徵參數標準化方法，僅需要1％-3％樣本有故障標籤資料進行故障診斷及指認，大幅降低人力和時間成本，各式混合故障辨識率可達99.84％以上，並且對積灰監控能預警進而有效清洗，增加太陽光電發電收益。
●技術之科學突破性：
本技術分析故障狀態下太陽光電串列的電流/電壓曲線，利用太陽光電串列正常運行的資料調整輸出特徵參數方程，進而得到標準化的電流/電壓曲線特徵參數。並提出一種基於人工蜂群優化的半監督極限學習機演算法作為太陽光電陣列的模式識別方法。所提故障診斷技術能有效識別太陽光電陣列的短路、遮陰、異常老化、積灰、積灰下的故障以及混合故障。基於人工蜂群優化的半監督極限學習機診斷模型的建立只需要少量標籤資料，有效地利用太陽光電發電案場的歷史無標籤資料，最終使用模擬故障狀態的樣本代替實測樣本，進一步節省實測標籤樣本獲取的成本。根據以往文獻顯示，目前尚無任何一種方法可以同時考慮灰塵的影響來診斷太陽光電發電系統故障。本技術與其它國際文獻所提方法相比，具有以下優點：(1)對太陽光電發電系統故障診斷的標記資料比較少；(2)數值類比中的標記資料可以替代實驗資料，而無需額外的標記驗證集；(3)無須額外裝設溫度計及照度計之成本，太陽光電發電系統故障分類及指認的性能較優；(4) 本技術泛化能力強，適用於不同太陽光電板。
本技術與監督機器學習機制不同，本技術所提出的基於人工蜂群優化的半監督極限學習機演算法可以利用未標記的歷史資料，只需要總資料集的1％-3％標記資料，並對診斷模型的泛化能力進行優化。本技術分析標準試驗條件下的太陽光電故障的電氣特性和電流/電壓曲線，特別是粉塵沉積的影響。短路電流在髒污條件下具有重要的指導意義，它代表太陽光電串列中最清潔元件的輸出。實際太陽光電串列歸一化資料的分佈進一步驗證具有不同變化的診斷特徵，並在標準試驗條件下執行各種故障的特徵。混合模擬和實驗驗證中，本技術所提出的基於人工蜂群優化的半監督極限學習機演算法之故障診斷準確度可達99.84％以上，比傳統極限學習機(ELM)準確度提高69.28％，比基於回歸分類決策樹及多類指數損失函數之逐步添加模型(SAMME-CART)準確度提高7.37％，比基於圖的半監督學習演算法(LGC)準確度提高2.94％，比原始半監督極限學習機(SSELM)準確度提高1.26％，比基於粒子群優化的半監督極限學習機演算法(PSO-SSELM)準確度提高0.42％。本技術採用類比標籤資料來代替難以獲得的實測標籤故障資料，結果甚至具有更好的分類精度，從而在大型太陽光電發電系統中，避免潛在的安全問題和額外的人工成本。此外，本技術還可以監測太陽光電板的污染程度。
●技術之產業應用性：
臺灣政策規畫至2025年太陽光電發電系統設置容量將達到20GW，但太陽光電發電系統規模過小衍生因售電收入少，使基本維運成本佔比變高。實務上，太陽光電發電系統設備超過保固期後，多數處於沒有維護狀態，發電效率逐步衰退，等到故障導致沒有發電時，才通知廠商維修，但有時故障嚴重，維修費用過高，也有個案選擇棄置設備不維修，此問題導致太陽光電裝置容量與實際發電量差距過大，使得太陽光電可用率偏低，不利綠能政策推動，顯見太陽光電系統故障診斷策略發展實為當務之急。
目前國內外各太陽光電系統廠商紛紛投入雲端管理系統開發以達智慧管維之目的，大同公司透過即時擷取日照輔以案場歷史發電量，結合人工智慧分析，以預測電廠未來下一小時發電量，及早發現案場潛在問題。友達光電公司發展「智能監控維運系統」，藉由數據判斷案場有無異常狀況給監控人員，讓人員找出異常並排除。日益能源科技公司建立案場維運統計數據庫，利用電廠異常統計分類，每日皆由維運專員進行定時查看發電狀況，確保維運管理實際運作情形。群創能源科技公司發展監控平台利用「即時電站診斷」智慧化判斷，當發電資料或系統異常時，發出即時告警通知相關人員進行維修及保養。統益機電公司監控中心之監控畫面中顯示異常時，人員可登入監控系統初步判別異常點，以便後續異常排除。太平洋綠能公司將發電資料回傳監控系統，如串列發電發生異常，將傳送告警訊息即時通知維護人員即時查修。綜上所述，現今公司維運側重於日常巡檢及人員判讀資訊為主，即使開發人工智慧工具則是以發電量預測及比對其合理性作為異常判斷準則，並無發現已有能判斷故障種類之機器學習演算法導入應用實績。
本技術無需使用大量實際太陽光電發電系統故障標籤資料，亦無需使用額外成本之溫度及照度資訊，僅需利用最大功率追蹤執行空檔提取電氣特徵參數即可實現本技術，運算時間僅需3.33毫秒，同時可適用於不同樣式太陽光電板，相較於現有業界技術，本技術所開發智慧型高精度太陽光電故障診斷方法具有相對創新性及高度產業應用性。本技術應用業別包含太陽光電系統廠商及維護管理廠商，以2025年20GW太陽光電發電系統設置容量及每天每千瓦發電量3度估算，假設故障診斷提升發電效率1％以上，有助於創造超過二億度發電量/年，經濟效益超過6億元/年，減碳效益超過11萬噸CO2e/年，已50萬元技術移轉授權廠商正式商轉一年，目前正協商多家太陽光電系統廠商做後續聯合授權事宜。

線上展網址：
https://tievirtual.twtm.com.tw/iframe/0bc8ceb0-0f02-465a-a806-44e2738c1861?group=23bfb1fa-dd5b-4836-81a1-4a1809b1bae5&lang=tw