AI-baseret undgåelsessporingsanlæg med en akse

Produktoversigt

Konventionelle backtracking-algoritmer bruger en geometrisk model af solens position og arraydimensioner til at beregne rækkevinkler, der forhindrer skygge mellem rækker. Dette fungerer godt på fuldstændig flad terræn med ensartede rækker – men reelle projektsteder har mikrotopografiske variationer, uregelmæssig rækkeafstand som følge af tolerancer ved fundamenteringsinstallationen samt diffust lys, som den geometriske model ikke kan tage højde for.

Det AI-drevne backtracking-system med enakset tracking erstatter den geometriske model med en maskinlæringsstyring, der løbende optimerer rækkevinklerne ud fra realtidsdata om elektrisk effekt på strengniveau. I stedet for at beregne, hvor skygge bør opstå, registrerer AI'en, hvor skygge faktisk opstår, og justerer tilsvarende.

Hvordan det virker:

Strømmen i hver rækkes DC-streng overvåges på kombinerbokseniveau (ingen ekstra sensorer kræves – dataene er allerede til stede i kraftværkets SCADA-system)

Under tilbagekoblingsperioder (tidlig morgen, sen eftermiddag) udfører AI-controlleren mikrojusteringer af hver rækes vinkel

Når en rækes strøm falder i forhold til dens naboer – hvilket indikerer skygge – justerer controlleren kun netop den pågældende række, ikke alle rækker ensartet

Med tiden lærer ML-modellen det specifikke skygge-mønster på stedet og forudsiger optimale vinkler for givne tidspunkter/datoer/vejrsforhold, hvilket reducerer behovet for aktive mikrojusteringer

Målt fordel: Skyggetab reduceret med op til 90 % sammenlignet med geometrisk tilbagekobling, hvilket svarer til ca. 2–4 % ekstra årlig energiudbytte i forhold til en standardtracker med geometrisk tilbagekobling – opnået uden yderligere hardwareomkostninger ud over firmware-opgraderingen til controlleren.

Tekniske specifikationer

Anvendelsesområder

Steder med ujævn terræn eller mikro-topografisk variation

Højtætte tracker-layouter (GCR 0,45)

Projekter, hvor hver 1 % udbytteforbedring giver betydelig PPA-indtægt

Kan eftermonteres på eksisterende trackerinstallationer (kun firmware-opdatering af controller)

Ofte stillede spørgsmål

Sp. Kræver AI-controlleren internetforbindelse?

Nej. ML-modellen kører på en edge-controller placeret i kraftværkets kontrolrum. Den indledende modeltræning bruger 2–4 ugers lokale driftsdata for at lære stedsspecifikke skyggeprofiler. Efter træningen kører modellen lokalt. Periodisk cloud-forbindelse er valgfri og bruges kun til fjernopdatering af firmware og ydeevaleveringsmåling.

Sp. Kan dette eftermonteres på eksisterende trackerinstallationer?

Ja, hvis den eksisterende tracker-hardware (slew-drev, drejebjælke, fundament) er mekanisk i orden. Opgraderingen består udelukkende i en firmware-udskiftning i controlleren samt konfiguration af strømdata på strengniveau fra kraftværkets SCADA-system. Der kræves ingen mekaniske ændringer.

Billedeplacering

SEO-nøgleord

Primært: AI-baseret tilbageføringssolartracker, intelligent solsporingssystem, maskinlæringsbaseret PV-tracker, intelligent tilbageføring

Sekundært: soltracker til reduktion af tab ved skygge, adaptiv tilbageføringssalgoritme, optimering af soltracker pr. række