Nghiên cứu và triển khai hệ thống thu thập dữ liệu của ĐMTMN dựa trên nền tảng IoT và AI phục vụ cho việc đánh giá hiệu suất

Abstract

Đồ án đề xuất một hệ thống giám sát và dự báo hiệu suất điện mặt trời mái nhà dựa trên nền tảng IoT và học máy. Hệ thống tích hợp dữ liệu từ cảm biến môi trường (bức xạ, nhiệt độ, độ ẩm, nhiệt độ mô-đun PV) với dữ liệu điện từ inverter, sử dụng phần cứng nhúng chi phí thấp (Raspberry Pi), phần mềm mã nguồn mở (Node-RED, InfluxDB, Grafana) và truyền dữ liệu qua mạng 4G. Hai mô hình học máy SVR-RBF và XGBoost được huấn luyện trên dữ liệu thực nghiệm thu thập trong 3 tháng tại một nhà máy ở Đà Nẵng. Kết quả cho thấy cả hai mô hình đều dự báo công suất chính xác, trong đó XGBoost có hiệu suất ổn định hơn. Hệ thống vận hành ổn định, hỗ trợ trực quan hóa dữ liệu và giám sát từ xa, phù hợp triển khai tại các khu vực khó tiếp cận.