Fault Detection in Solar Power Plants Based on Energy Production Data

Avtorji

Dominykas Vilčinskas
Vilnius University, Institute of Applied Mathematics
Lukas Voveris
Vilnius University, Institute of Applied Mathematics
Jolita Bernatavičienė
Vilnius University, Institute of Data Science and Digital Technologies
DOI: https://doi.org/10.18690/um.fov.5.2026.5

Kratka vsebina

Odkrivanje napak v elektrarnah, ki uporabljajo sončno energijo, s pomočjo podatkov o proizvodnji energije. Ta raziskava se ukvarja s ključno potrebo po pravočasni identifikaciji napak v elektrarnah, ki uporabljajo sončno energijo, da bi zmanjšali izgube električne energije. Študija analizira podatke o proizvodnji energije iz litovske elektrarne, ki uporablja sončno energijo: obsega 143 nizov, razporejenih po 12 inverterjih, v obdobju 19 mesecev. Med predobdelavo podatkov je bilo iz časovnih vrst podatkov vsakega niza določeno  16 ključnih značilnosti, da bi predstavili globalno strukturo podatkov. Postopek selekcije je povzročil preoblikovan nabor podatkov, kjer je vsaka časovna vrsta predstavljena kot objekt s 16 značilnostmi, kar omogoča učinkovitejšo analizo. Statistične in metode strojnega učenja – vključno z PCA + α-HULL, Isolation Forest (iForest) in Local Outlier Factor (LOF) – so bile uporabljene za identificiranje sistemov, ki kažejo nenormalno vedenje. Rezultati kažejo, da lahko kombinacija teh metod učinkovito pomaga pri identificiranju odstopanj, pri čemer kombinirana ocena anomalij zagotavlja celovito oceno delovanja nizov. Poleg tega sta bili uporabljeni metodi RANSAC in DBSCAN za ustvarjanje profilov napak, kar je omogočilo podrobnejšo analizo delovanja vsakega sistema in dodatno potrdilo sisteme, ki so že bili identificirani kot sistemi, ki kažejo nenormalno vedenje.

Biografije avtorja

Dominykas Vilčinskas, Vilnius University, Institute of Applied Mathematics

Dominykas Vilčinskas je študent podatkovne znanosti na Univerzi v Vilni, kjer trenutno študira magistrski študij po zaključku dodiplomskega študija podatkovne znanosti leta 2025. Med študijem je aktivno sodeloval na akademskih dogodkih in raziskovalnih dejavnostih, osredotočenih na analizo podatkov in strojno učenje. Svoje delo je predstavil na več konferencah, vključno s predstavitvijo posterja z naslovom »Odkrivanje napak v sončnih elektrarnah z uporabo podatkov o proizvodnji energije« na 15. konferenci o metodah analize podatkov za programske sisteme leta 2024. Je tudi soavtor publikacije »Napovedovanje plač za zaposlene z uporabo metod strojnega učenja«, ki je bila predstavljena na nacionalni konferenci Lietuvos magistrantų informatikos ir IT tyrimai leta 2025. Njegova glavna raziskovalna področja vključujejo uporabno strojno učenje in odločanje na podlagi podatkov.

Vilnius, Litva. E-pošta: dominykas.vilcinskas@mif.stud.vu.lt

Lukas Voveris, Vilnius University, Institute of Applied Mathematics

Lukas Voveris je magistrski študent podatkovne znanosti na Fakulteti za matematiko in informatiko Univerze v Vilni. Leta 2025 je na Univerzi v Vilni diplomiral iz podatkovne znanosti. Njegove raziskave se osredotočajo na spremljanje sončne energije in energetsko analitiko. Je soavtor in predstavil poster »Odkrivanje napak v sončnih elektrarnah z uporabo podatkov o proizvodnji energije« na 15. konferenci o metodah analize podatkov za programske sisteme leta 2024. Je tudi avtor članka »Implementacija strojnega učenja in statističnih tehnik v sistemih za spremljanje proizvodnje sončne energije«. Ta članek je bil predstavljen na nacionalni konferenci Lietuvos magistrantų informatikos ir IT tyrimai leta 2025 in na konferenci projekta AI2SEP v Varaždinu na Hrvaškem. Njegova raziskovalna področja vključujejo uporabno strojno učenje, napovedovanje časovnih vrst, modeliranje sončnega obsevanja in podporo odločanju za energetske sisteme.

Vilnius, Litva. E-pošta: lukas.voveris@mif.stud.vu.lt

Jolita Bernatavičienė, Vilnius University, Institute of Data Science and Digital Technologies

Jolita Bernatavičienė je leta 2004 diplomirala na Pedagoški univerzi v Vilni in magistrirala iz informatike. Leta 2008 je doktorirala iz računalništva na Inštitutu za matematiko in informatiko skupaj s Tehnično univerzo Gediminas v Vilni. Je višja raziskovalka v skupini za kognitivno računalništvo na Inštitutu za podatkovno znanost in digitalne tehnologije Univerze v Vilni. Njena raziskovalna področja vključujejo podatkovne baze, rudarjenje podatkov, nevronske mreže, analizo slik, vizualizacijo, sisteme za podporo odločanju in internetne tehnologije ter visokozmogljivo računalništvo. Mentorira 3 doktorske študente in je napisala več kot 60 člankov, od katerih jih je 18 v podatkovni bazi CA WoS.

Vilnius, Litva. E-pošta: jolita.bernataviciene@mif.vu.lt

Prenosi

PDF

Izdaja

Artificial Intelligence and Environmental Challenges: Research Insights and Emerging Solutions

Strani

87-106

Izdano

18 junij 2026

Kategorije

Avtorske pravice (c) 2026 Univerza v Mariboru, Univerzitetna založba

Licenca

Creative Commons licenca

To delo je licencirano pod Creative Commons Priznanje avtorstva 4.0 mednarodno licenco.

Kako citirati

Vilčinskas, D., Voveris, L., & Bernatavičienė, J. (2026). Fault Detection in Solar Power Plants Based on Energy Production Data. V R. Leskovar (Ur.), Artificial Intelligence and Environmental Challenges: Research Insights and Emerging Solutions (str. 87-106). Univerzitetna založba Univerze v Mariboru. https://doi.org/10.18690/um.fov.5.2026.5