سیستم ردیابی تک‌محوری با الگوریتم هوش مصنوعی برای جلوگیری از سایه‌اندازی

خلاصه ی محصول

الگوریتم‌های معمولی بازگشتی از یک مدل هندسی برای موقعیت خورشید و ابعاد آرایه استفاده می‌کنند تا زوایای ردیف‌ها را محاسبه کنند که سایه‌اندازی بین ردیف‌ها را جلوگیری می‌کند. این روش در زمین‌های کاملاً صاف با ردیف‌های یکنواخت به‌خوبی عمل می‌کند — اما در محل‌های واقعی پروژه، تغییرات ریز توپوگرافی، فاصله‌های نامساوی بین ردیف‌ها ناشی از تحمل‌های نصب پی‌ها و شرایط نور پراکنده وجود دارد که مدل هندسی قادر به در نظر گرفتن آن‌ها نیست.

سیستم ردیابی تک‌محوری هوشمند بازگشتی، مدل هندسی را با یک کنترل‌کننده مبتنی بر یادگیری ماشین جایگزین می‌کند که به‌طور مداوم زوایای ردیف‌ها را بر اساس داده‌های خروجی الکتریکی سطح رشته‌ای در زمان واقعی بهینه‌سازی می‌کند. به‌جای اینکه محاسبه کند سایه‌اندازی باید در کجا رخ دهد، این سیستم هوشمند تشخیص می‌دهد که سایه‌اندازی در کجا رخ داده و به‌طور منطبق تنظیم می‌شود.

چگونه کار می‌کند:

جریان الکتریکی رشته‌های مستقیم (DC) هر ردیف در سطح جعبه‌های ترکیبی (combiner box) پایش می‌شود (هیچ سنسور اضافی لازم نیست — این داده‌ها قبلاً در سیستم نظارت و کنترل نیروگاه (SCADA) موجود هستند).

در دوره‌های بازگشتی (سپیده‌دم و عصر دیرهنگام)، کنترل‌کنندهٔ هوش مصنوعی تنظیمات ریزی را برای زاویهٔ هر ردیف انجام می‌دهد.

وقتی جریان الکتریکی یک ردیف نسبت به همسایه‌هایش کاهش یابد — که نشان‌دهندهٔ سایه‌اندازی است — کنترل‌کننده تنها آن ردیف خاص را تنظیم می‌کند، نه اینکه تمام ردیف‌ها را به‌صورت یکنواخت تنظیم کند.

با گذشت زمان، مدل یادگیری ماشین الگوی سایه‌اندازی خاصِ محل را یاد می‌گیرد و زوایای بهینه را برای شرایط زمانی/تاریخی/آب‌وهوایی داده‌شده پیش‌بینی می‌کند؛ این امر نیاز به تنظیمات ریز فعال را کاهش می‌دهد.

سود اندازه‌گیری‌شده: اتلاف انرژی ناشی از سایه‌اندازی تا ۹۰ درصد نسبت به بازگشت هندسی کاهش یافته است؛ این امر منجر به افزایش تقریبی ۲ تا ۴ درصدی بازده انرژی سالانه نسبت به ردیاب استاندارد با بازگشت هندسی می‌شود — و این بدون هیچ هزینهٔ اضافی برای سخت‌افزار، صرفاً با ارتقای نرم‌افزار کنترل‌کننده حاصل شده است.

مشخصات فنی

کاربردها

محل‌هایی با زمین ناهموار یا تغییرات ریزتوپوگرافی

چیدمان‌های چنگالی با تراکم بالا (GCR ۰٫۴۵)

پروژه‌هایی که در آن هر افزایش ۱ درصدی بهره‌وری، درآمد قابل توجهی از قراردادهای خرید برق (PPA) ایجاد می‌کند

قابلیت نصب عقب‌گرد بر روی نصب‌های موجود چنگالی (تنها با به‌روزرسانی نرم‌افزار کنترل‌کننده)

پرسش‌های متداول

سوال: آیا کنترل‌کننده هوش مصنوعی به اتصال اینترنت نیاز دارد؟

خیر. مدل یادگیری ماشینی (ML) روی یک کنترل‌کننده لبه (edge controller) در اتاق کنترل نیروگاه اجرا می‌شود. آموزش اولیه مدل از ۲ تا ۴ هفته داده‌های عملیاتی محلی استفاده می‌کند تا الگوهای سایه‌اندازی ویژه محل را یاد بگیرد. پس از آموزش، مدل به‌صورت محلی اجرا می‌شود. اتصال دوربرد به ابر اختیاری است و صرفاً برای به‌روزرسانی‌های نرم‌افزاری از راه دور و مقایسه عملکرد به کار می‌رود.

سوال: آیا این سیستم را می‌توان بر روی نصب‌های موجود چنگالی نصب عقب‌گرد کرد؟

بله، مشروط بر اینکه قطعات مکانیکی موجود چنگالی (درایو چرخشی، لوله گشتاور و پی‌بندی) از نظر مکانیکی سالم باشند. ارتقاء تنها شامل جایگزینی نرم‌افزار کنترل‌کننده و پیکربندی جریان داده‌های سطح رشته‌ای از سیستم کنترل و نظارت نیروگاه (SCADA) است. هیچ تغییر مکانیکی لازم نیست.

جایگذاری تصویر

کلمات کلیدی سئو

اصلی: ردگير خورشيدي مبتني بر هوش مصنوعي، سيستم هوشمند ردگيري خورشيدي، ردگير فتوولتايي مبتني بر يادگيري ماشين، بازگشت هوشمند

فرعي: ردگير خورشيدي براي كاهش تلفات ناشي از سايه، الگوريتم بازگشت تطبیقي، بهينه‌سازي ردگيري خورشيدي براي هر ردیف