SolarGuard AI

طورت ضمن مشروع التخرج نظامًا ذكيًا لمراقبة أداء الألواح الشمسية واكتشاف الأعطال والتنبؤ باحتياجات الصيانة باستخدام الذكاء الاصطناعي وتعلم الآلة.

اعتمد المشروع على بيانات تشغيلية حقيقية من NREL PVDAQ Station 2107، وشمل تجهيز البيانات وهندسة الخصائص وبناء ومقارنة عدة نماذج للوصول إلى النموذج الأنسب للتنبؤ بالأعطال.

يشمل العمل:

* جمع وتنظيف ودمج البيانات التشغيلية.

* تحليل بيانات أداء الألواح الشمسية.

* هندسة 27 ميزة من البيانات.

* بناء نماذج لاكتشاف الأعطال والصيانة التنبؤية.

* مقارنة XGBoost وLightGBM وCatBoost.

* تصميم النظام بحيث يمكن تكييفه مع بيانات محطات شمسية مختلفة.

التقنيات المستخدمة: Python، Machine Learning، Data Analysis، XGBoost، LightGBM، CatBoost، Predictive Maintenance.