الگوریتم‌هایی برای تشخیص پنل‌های خورشیدی کم‌بازده روی پشت‌بام
پژوهشگران استرالیایی الگوریتم‌های چند مرحله‌ای را برای تشخیص از راه دور و دقیق پنل‌های خورشیدی کم‌بازده در سیستم‌های فتوولتائیک (PV) مسکونی و تجاری توسعه داده‌اند.
پژوهشگران دانشگاه نیو ساوت ولز (UNSW) و دانشگاه تکنولوژی سیدنی الگوریتم‌هایی را توسعه داده‌اند که ادعا می‌کنند می‌توانند به‌طور خودکار مجموعه‌ای از مشکلات رایج کم‌بازده بودن پنل‌های خورشیدی را شناسایی کنند، از جمله خرابی سیم‌کشی، فرسودگی و اثر سایه.
فیاکر روژیو، استاد ارشد دانشکده مهندسی فتوولتائیک و انرژی‌های تجدیدپذیر UNSW، گفت که این فناوری همچنین می‌تواند محدودیت‌های اتصال، قطع و نشتی را شناسایی کند و پتانسیل انقلابی کردن تشخیص عیب سیستم‌های فتوولتائیک (PV) را دارد.
او گفت: «این یک تغییر اساسی برای بهره‌برداران سیستم‌های مسکونی و تجاری است. این الگوریتم با تجزیه و تحلیل داده‌های اینورتر و حداکثر توان هر پنج دقیقه، می‌تواند مشکلات عملکرد پایین را به طور دقیق تشخیص دهد، امکان مداخله زودهنگام و به حداکثر رساندن تولید انرژی را فراهم کند.»
روژیو گفت که محققان، با همکاری به عنوان بخشی از پروژه شبکه حسگر هوشمند نیو ساوت ولز، از حسگرها و انواع مختلف رویکردهای تحلیلی برای توسعه یک رویکرد دو سطحی برای تشخیص عملکرد پایین پنل‌های خورشیدی استفاده کردند که سالانه حدود ۷ میلیارد دلار استرالیا (۴.۶ میلیارد دلار آمریکا) هزینه در بر دارد. ضررهای قابل پیشگیری در سطح جهانی.
او گفت: «ما با استفاده از داده‌های برق AC، یک تشخیص سطح بالا ایجاد کرده‌ایم که می‌تواند دسته‌های وسیعی از مسائل مانند تولید صفر و قطع شدن را تشخیص دهد. مزیت این رویکرد این است که این تشخیص کاملاً از نظر فناوری مستقل است و می‌تواند با هر برند اینورتر و ردیاب حداکثر توان کار کند.»
روژیو با اشاره به اینکه بسیاری از برندهای اینورتر اطلاعات فنی AC و DC را ارائه می‌دهند، گفت که این تیم همچنین یک الگوریتم دقیق‌تر با استفاده از هر دو داده AC و DC توسعه داده‌اند که می‌تواند با تشخیص و طبقه‌بندی عیوب خاص‌تر مانند سایه‌زنی و مشکلات آرایه ها، بینش‌های عملی‌تری را برای مالکان نیروگاه خورشیدی فراهم کند.
وی گفت: «این نوع تشخیص نیازمند هر دو روش مبتنی بر قوانین آماری است که توسط رویکردهای یادگیری ماشین برای مواردی که توسط روش‌های مبتنی بر قوانین متعارف قابل تشخیص نیست، پشتیبانی می‌شود.»
این فناوری اکنون به طور کامل در یک پلتفرم تولید تجاری ادغام شده است که توسط شریک صنعتی پروژه، Global Sustainable Energy Solutions برای نظارت بر بیش از ۱۰۰ مگاوات انرژی خورشیدی استفاده می‌شود.
ابراهیم ابراهیم، سرپرست تیم UTS گفت که این فناوری که قابلیت پیاده‌سازی روی بیش از ۱۲۰۰ سیستم فتوولتائیک را دارد، امکان اجرای اقدامات پیشگیرانه‌ای را فراهم می‌کند که تولید انرژی را به حداکثر می‌رساند و قابلیت اطمینان سیستم را افزایش می‌دهد.
وی گفت: «با کاهش قابل توجه تلفات قابل پیشگیری که ارزش آن در سطح جهان میلیاردها دلار است، چنین فناوری‌هایی صرفه‌جویی قابل توجهی در هزینه برای مالکان سیستم‌های فتوولتائیک را تضمین می‌کنند.»
روژیو گفت که این نرم‌افزار می‌تواند جایگزین نیاز به پیمانکاران گران‌قیمت برای رفتن به محل برای کشف علت عملکرد پایین سیستم خورشیدی شود.
او گفت: «ما شورایی داشتیم که به مدت پنج ماه متوالی یک سیستم کم‌بازده داشت. آن پیمانکار قراردادی برای عملیات و نگهداری داشت، با این حال این مشکل عمده ماه‌ها کشف نشده بود. الگوریتم‌های ما تقریباً بلافاصله آن را تشخیص دادند. شگفتی بزرگ برای ما تعداد قابل توجهی از سیستم‌هایی بود که یک پیمانکار عملیات و نگهداری عملکرد پایین را که ما تشخیص داده بودیم کاملاً از دست داده بود.»
تیم تحقیقاتی اکنون در حال کار بر روی بهبود الگوریتم هستند تا بتواند طیف گسترده‌تری از مسائل مانند سایه‌زنی، آلودگی و خطاهای دقیق سمت شبکه را تشخیص دهد.
نویسنده: دپارتمان خبری آرا نیرو
