ระบบตรวจสอบความผิดปกติระหว่างการทำงานปั๊มน้ำโซลาร์เซลล์

นัฐพงษ์  เนินชัด; พิสุทธิ์  แสนดีน้อย; ธันวำ  ขำทับทิม; ธีรศักดิ์  แหยมบุรี; ธนภูมิ  เฟื่องเพียร

ผู้แต่ง

นัฐพงษ์ เนินชัด Uttaradit Rajabhat University
พิสุทธิ์ แสนดีน้อย
ธันวำ ขำทับทิม
ธีรศักดิ์ แหยมบุรี
ธนภูมิ เฟื่องเพียร

คำสำคัญ:

ปั๊มน้ำโซลาร์เซลล์, ระบบตรวจสอบความผิดปกติ, เซ็นเซอร์วัดค่ากระแส, เซ็นเซอร์วัดค่าแรงดัน

บทคัดย่อ

งานวิจัยนี้มีวัตถุประสงค์เพื่อออกแบบและสร้างระบบตรวจสอบความผิดปกติระหว่างการทำงานของปั๊มน้ำโซลาร์เซลล์ (24V, 280W) ขั้นตอนการทดลองได้ทำการสูบน้ำจากถังทดลองหนึ่ง (Tank1) ไปยังถังทดลองสอง (Tank2) และติดตั้งเซนเซอร์วัดระดับน้ำในถังทดลองที่หนึ่ง การตรวจสอบความผิดปกติในระบบได้ใช้ไมโครคอนโทรลเลอร์ทำงานร่วมกับเซนเซอร์ทั้ง 3 ชนิดนั่นคือ เซนเซอร์วัดระดับน้ำ เซนเซอร์วัดกระแสและเซนเซอร์วัดแรงดันไฟฟ้า สำหรับเงื่อนไขความผิดปกติของระบบมอเตอร์ปั๊มน้ำคือไม่มีน้ำเหลืออยู่ในถังทดลองหนึ่งและเซนเซอร์วัดค่ากระแสไฟฟ้าได้อยู่ระหว่าง 1A ถึง 4A หรือเซนเซอร์วัดค่าแรงดันมีค่าน้อยกว่า 10V ผลการทดลองได้แบ่งออกเป็น 3 กรณีดังนี้ 1) ผลการวัดค่ากระแสและแรงดันไฟฟ้าขณะที่ปั๊มน้ำมีโหลดและไม่มีโหลด พบว่าเมื่อปั๊มน้ำเริ่มสูบน้ำจะมีค่ากระแส 5A และมีกำลังไฟฟ้าอยู่ที่ 60W 2) ผลการสั่งตัดวงจรไฟฟ้าเมื่อระดับน้ำถึงค่าที่กำหนด พบว่าในขณะปั๊มน้ำทำการสูบน้ำค่ากระแสอยู่ที่ 5.04A ค่าความเร็วรอบมอเตอร์เฉลี่ยอยู่ที่ 205RPM และเมื่อระดับน้ำเริ่มลดลงต่ำกว่าตำแหน่งเซนเซอร์วัดระดับน้ำ ระบบสามารถตัดวงจรของปั๊มน้ำได้อย่างถูกต้องตามเงื่อนไขที่กำหนดไว้ 3) ผลการสั่งตัดวงจรไฟฟ้าผ่านสมาร์ทโฟน แสดงให้เห็นว่าสามารถควบคุมการทำงานของปั๊มน้ำผ่านแอปพลิเคชัน RemoteXY ในสมาร์ทโฟนได้

References

กรมพัฒนาพลังงานทดแทนและอนุรักษ์พลังงาน. (2566). คู่มือการผลิตไฟฟ้าด้วยแสงอาทิตย์ เพื่อถ่ายทอดและเผยแพร่การใช้พลังงานแสงอาทิตย์. ค้นจาก https://webkc.dede.go.th/testmax/node/4535.

ปิติณัตต์ ตรีวงศ์, ชาญวิทย์ ตั้งสิริวรกุล, จิรศักดิ์ ส่งบุญแก้ว, และเฉลิมชาติ มานพ. (2562). ระบบการเฝ้าตรวจสภาวะมอเตอร์ไฟฟ้าระยะไกลที่มีต้นทุนต่ำโดยใช้อาร์ดูโน. วารสารวิชาการพระจอมเกล้าพระนครเหนือ, 29(4), 585-596.

doi: 10.14416/j.kmutnb.2019.10.004

สนธยา เกาะสมบัติ, อัสนี อำนวย, และศักดิ์ทนงค์ วงศ์เจริญ. (2566). การวิเคราะห์รูปแบบระบบสูบน้ำเซลล์แสงอาทิตย์เพื่อการเกษตร. วารสารวิชาการเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยราชภัฏสุรินทร์, 8(1), 97-111.

doi: https://doi.org/10.14456/journalindus.2023.8

Ahmed, Q. I., Attar, H., Amer, A., Deif, M. A., and Solyman, A. A. (2023). Development of a Hybrid Support Vector Machine with Grey Wolf Optimization Algorithm for Detection of the Solar Power Plants Anomalies. Systems, 11(5), 237. doi: https://doi.org/10.3390/systems11050237

De Benedetti, M., Leonardi, F., Messina, F., Santoro, C., and Vasilakos, A. (2018). Anomaly detection and predictive maintenance for photovoltaic systems. Neurocomputing, 310, 59-68.

doi: https://doi.org/10.1016/j.neucom.2018.05.017

Dupont, I. M., Carvalho, P. C., Jucá, S. C., and Neto, J. S. (2019). Novel methodology for detecting non-ideal operating conditions for grid-connected photovoltaic plants using Internet of Things architecture. Energy Conversion and Management, 200, 112078. doi: https://doi.org/10.1016/j.enconman.2019.112078

Et-taleby, A., Boussetta, M., and Benslimane, M. (2020). Faults detection for photovoltaic field based on

k-means, elbow, and average silhouette techniques through the segmentation of a thermal image. International Journal of Photoenergy, 2020, 1-7. doi: https://doi.org/10.1155/2020/6617597

Harrou, F., Saidi, A., Sun, Y., and Khadraoui, S. (2021). Monitoring of photovoltaic systems using improved kernel-based learning schemes. IEEE Journal of Photovoltaics, 11(3), 806-818.

doi: 10.1109/JPHOTOV.2021.3057169

Loureiro, D., Amado, C., Martins, A., Vitorino, D., Mamade, A., and Coelho, S. T. (2016). Water distribution systems flow monitoring and anomalous event detection: A practical approach. Urban Water Journal, 13(3), 242-252. doi: https://doi.org/10.1080/1573062X.2014.988733

Taghezouit, B., Harrou, F., Sun, Y., Arab, A. H., and Larbes, C. (2020). Multivariate statistical monitoring of photovoltaic plant operation. Energy Conversion and Management, 205, 112-317.

doi: https://doi.org/10.1016/j.enconman.2019.112317

Vieira, R. G., Dhimish, M., De Araújo, F. M., and Guerra, M. I. (2020). PV module fault detection using combined artificial neural network and sugeno fuzzy logic. Electronics, 9(12), 21-50.

doi: https://doi.org/10.3390/electronics9122150