AI-pohjainen takaisinseuranta yksiaukseisessa seurantajärjestelmässä | Älykäs varjostuksen poistaminen maksimaalisen rivien välisten energiatiukkuuden saavuttamiseksi
Perinteiset takaisinseuranta-algoritmit käyttävät auringon sijaintia ja rivien mittoja kuvaavaa geometrista mallia laskemaan rivityskulmat, jotka estävät rivien välisen varjostuksen. Tämä toimii hyvin täysin tasaisella maastolla yhtenäisillä riveillä – mutta todelliset hankealueet sisältävät mikrotopografisia vaihteluita, epätasaisen rivivälin perustusten asennustoleranssien vuoksi sekä haja-valaistusolosuhteita, joita geometrinen malli ei voi ottaa huomioon.
Tekoälypohjainen yksiköytimen takaisinseuranta-järjestelmä korvaa geometrisen mallin koneoppimiseen perustuvalla ohjaimella, joka jatkuvasti optimoi rivien kulmia reaaliaikaisen DC-ryhmän sähkötehotietojen perusteella. Sen sijaan, että laskettaisiin, missä varjostus pitäisi tapahtua, tekoäly havaitsee, missä varjostus todella tapahtuu, ja säätää kulmia sen mukaisesti.
Miten se toimii:
Jokaisen rivin DC-ryhmän virtaa seurataan yhdistelylaatikon tasolla (lisäantureita ei vaadita – tiedot ovat jo saatavilla voimalan SCADA-järjestelmässä)
Takaisinseurantajaksolla (aamun varhaisella ja iltaisen myöhäisellä ajalla) tekoälyohjain suorittaa mikrosäätöjä jokaisen rivin kulmaan
Kun rivin virta laskee naapuririvien suhteessa – mikä viittaa varjostukseen – ohjain säätää kyseistä riviä, ei kaikkia rivejä yhtenäisesti
Ajan myötä koneoppimismalli oppii sivustokohtaisen varjostuskuvion ja ennustaa optimaaliset kulmat annettuille aika/päivämäärä/sääolosuhteille, mikä vähentää aktiivisten mikrosäätöjen tarvetta
Mitattu hyöty: Varjostustappiot vähentyvät jopa 90 % verrattuna geometriseen takaisinseurantaan, mikä vastaa noin 2–4 %:n lisävuosituottoa verrattuna standardiseen seurantajärjestelmään, jossa käytetään geometristä takaisinseurantaa – saavutettu ilman lisävarusteita, ainoastaan ohjaimen firmwarepäivityksellä.
Tekniset tiedot |
Määrittely |
Seuranta-akseli |
Vaakasuora (itä–länsi) |
Moduulin suuntaus |
1P tai 2P |
Jäljittämisen tarkkuus |
±0.5° |
Ohjaustapa |
Tekoäly/koneoppiminen + tähtitieteellinen algoritmi + GPS + ryhmän virtapalautteet |
Takaisinseurantatyyppi |
Rivikohtainen mukautuva (ei yhtenäinen geometrinen) |
Varjostustappojen vähentäminen |
Jopa 90 % parempi kuin geometrinen takaisinseuranta |
Lisätuotto verrattuna geometriseen takaisinseurantaan |
+2 % – +4 % vuodessa |
Laitteistovaatimukset |
Standardiseurantalaitteisto + ohjaimen firmwarepäivitys |
Datan syöttö |
Rivitasoinen tasavirtavirta (nykyisestä yhdistyslaatikosta saatavasta seurannasta) |
Tuulensuoja-asento |
Automaattinen suoja-asento 25 m/s |
Viestintä |
Modbus TCP/IP kasviaseman SCADA-järjestelmään |
Rakenteen takuu |
20 vuotta |


Epätasaisella maastolla tai mikrotopografiallisilla vaihteluilla varustetut sivustot
Tiukat seurantajajärjestelmän asetteluvariaatiot (GCR 0,45)
Hankkeet, joissa jokainen 1 %:n tuottoparannus muuttuu merkittäväksi PPA-tuloksi
Voidaan päivittää olemassa oleviin seurantajajärjestelmiin (vain ohjaimen firmwarepäivitys)
Kys. Vaatiiko tekoälyohjain internet-yhteyttä?
Ei. Koneoppimismalli toimii reunaohjaimessa, joka sijaitsee voimalan ohjaustilassa. Alkuperäinen mallikoulutus käyttää 2–4 viikkoa sivustolla kerättyä käyttödataa oppiakseen sivustokohtaiset varjostuskuviot. Koulutuksen jälkeen malli toimii paikallisesti. Säännöllinen pilviyhteys on valinnainen etäfirmwarepäivityksiä ja suorituskyvyn vertailua varten.
Kys. Voidaanko tämä päivittää olemassa oleviin seurantajajärjestelmiin?
Kyllä, jos olemassa olevan seurantajajärjestelmän mekaaninen varuste (pyörähdysmoottori, vääntöputki, perustus) on kunnossa. Päivitys vaatii vain ohjaimen firmwarevaihdon ja voimalan SCADA-järjestelmästä saatavan merkkijonomaisen virran tiedonsyötön määrittämisen. Mekaanisia muutoksia ei vaadita.
# |
Osio |
Suositus |
Formaatti |
1 |
Hero |
Ilmakuva seurantakentästä auringonlaskun aikaan, rivit takaisinseurannan kulmassa |
1920 × 750 pikseliä |
2 |
Kuinka se toimii |
Kaavio: geometrinen vs tekoälypohjainen takaisinseuranta, jossa näytetään varjostettujen rivien tunnistus |
1000×600 pikseliä |
3 |
Datavisualisoinnin |
Ohjauspaneelin kuvakaappaus: rivikohtainen kulma ajan funktiona, varjostustapahtumat merkitty |
800×500 pikseliä |
Ensisijaiset avainsanat: tekoälypohjainen takaisinseurantasolariseurantalaite, älykäs aurinkopaneelien seurantajärjestelmä, koneoppimiseen perustuva aurinkopaneeliseurantalaite, älykäs takaisinseuranta
Toissijaiset avainsanat: varjostustappioiden vähentämiseen tarkoitettu solariseurantalaite, sopeutuva takaisinseuranta-algoritmi, rivikohtainen aurinkopaneeliseurantajärjestelmän optimointi