Едноосева проследяваща система с изкуствен интелект за обратно проследяване

Преглед на продукта

Конвенционалните алгоритми за обратно проследяване използват геометричен модел на положението на слънцето и размерите на масива, за да изчислят ъглите на редовете така, че да се предотврати сянката между редовете. Това работи добре на идеално равен терен с еднородни редове — но реалните проекти имат микротопографски вариации, неравномерно разстояние между редовете поради допуските при инсталиране на основите и дифузна светлина, които геометричният модел не може да отчете.

Системата за едноосово проследяване с AI обратно проследяване заменя геометричния модел с контролер, базиран на машинно обучение, който непрекъснато оптимизира ъглите на редовете въз основа на данни за електрическия изход на ниво DC верига в реално време. Вместо да изчислява къде би трябвало да възникне сянка, AI-системата открива къде действително възниква сянка и съответно коригира ъглите.

Как работи:

DC токът на всяка верига от ред се следи на ниво комбинирана кутия (не са необходими допълнителни сензори — данните вече са налични в SCADA системата на централата)

По време на периодите на обратно проследяване (рано сутрин и късно следобед) AI контролерът извършва микрокорекции на ъгъла на всеки ред

Когато токът в един ред намалее спрямо съседните редове — което показва наличие на сянка — контролерът коригира само този конкретен ред, а не всички редове едновременно и по един и същ начин

С течение на времето ML моделът учи специфичния за обекта модел на засенчване и прогнозира оптималните ъгли за дадено време/дата/метеорологични условия, намалявайки необходимостта от активни микрокорекции

Измерено предимство: загубите поради засенчване са намалени до 90 % спрямо геометричното обратно проследяване, което се равнява на около 2–4 % допълнителна годишна енергийна продукция в сравнение със стандартен трекер с геометрично обратно проследяване — постигнато без никакви допълнителни разходи за хардуер освен актуализация на фърмуера на контролера.

Технически спецификации

Приложения

Обекти с неравен терен или микротопографски вариации

Високоплътни трекерни разположения (GCR 0,45)

Проекти, при които всяко подобряване на добива с 1 % води до значителни приходи от PPA

Може да се инсталира върху съществуващи трекерни инсталации (само актуализация на фърмуера на контролера)

Често задавани въпроси

В. Изисква ли контролерът с изкуствен интелект интернет връзка?

Не. Машинната обучаваща (ML) модел работи на крайов контролер, разположен в контролната стая на електроцентралата. Първоначалното обучаване на модела използва 2–4 седмици оперативни данни от обекта, за да научи специфичните за мястото сенчести модели. След обучаването моделът работи локално. Периодичната връзка с облака е по избор и служи за дистанционни актуализации на фърмуера и сравнително оценяване на производителността.

В. Може ли това да се инсталира върху съществуващи трекерни инсталации?

Да, ако съществуващото трекерно оборудване (завъртащ механизъм, въртящ вал, основа) е механично изправно. Актуализацията включва само замяна на фърмуера на контролера и конфигуриране на потока от данни за тока на веригите от SCADA-системата на електроцентралата. Не са необходими механични промени.

Поставяне на изображението

SEO ключови думи

Основно: AI обратно проследяване за слънчеви следящи устройства, умна система за слънчево проследяване, PV следящи устройства с машинно обучение, интелигентно обратно проследяване

Вторично: следящи устройства за намаляване на загубите от засенчване, адаптивен алгоритъм за обратно проследяване, оптимизация на слънчевите следящи устройства по ред