Sistema di inseguimento monodirezionale con algoritmo AI per backtracking

Panoramica del prodotto

Gli algoritmi convenzionali di backtracking utilizzano un modello geometrico della posizione del Sole e delle dimensioni dell’impianto per calcolare gli angoli delle file in modo da prevenire l’ombreggiamento tra le file. Questo approccio funziona bene su terreni perfettamente pianeggianti con file uniformi, ma i siti reali presentano variazioni microtopografiche, spaziature irregolari tra le file dovute alle tolleranze di installazione delle fondazioni e condizioni di luce diffusa che il modello geometrico non riesce a considerare.

Il sistema di inseguimento monodirezionale con backtracking basato sull’intelligenza artificiale sostituisce il modello geometrico con un controllore basato sull’apprendimento automatico, che ottimizza continuamente gli angoli delle file sulla base dei dati in tempo reale relativi alla produzione elettrica a livello di stringa CC. Invece di calcolare dove potrebbe verificarsi l’ombreggiamento, l’intelligenza artificiale rileva dove l’ombreggiamento sta effettivamente avvenendo e regola di conseguenza gli angoli.

Come funziona:

La corrente CC di ogni stringa relativa a una singola fila viene monitorata a livello di quadro di parallelo (non sono richiesti sensori aggiuntivi: i dati sono già disponibili nel sistema SCADA dell’impianto)

Durante i periodi di backtracking (prime ore del mattino e tardo pomeriggio), il controller AI esegue micro-regolazioni sull’angolo di ciascuna fila

Quando la corrente di una fila diminuisce rispetto a quella delle file adiacenti — segnale di ombreggiamento — il controller regola esclusivamente quella fila specifica, non tutte le file in modo uniforme

Nel tempo, il modello ML apprende il pattern specifico di ombreggiamento del sito e prevede gli angoli ottimali in base a orario/data/condizioni meteorologiche, riducendo la necessità di micro-regolazioni attive

Beneficio misurato: perdite per ombreggiamento ridotte fino al 90% rispetto al backtracking geometrico, con un incremento stimato di energia annua pari a circa il 2–4% rispetto a un tracker standard con backtracking geometrico — ottenuto senza alcun costo aggiuntivo per hardware oltre all’aggiornamento del firmware del controller.

Specificativi tecnici

Applicazioni

Siti con terreno irregolare o variazioni di microtopografia

Layout ad alta densità di tracker (GCR 0,45)

Progetti in cui ogni miglioramento dell’1% del rendimento si traduce in significativi ricavi da PPA

Retrofittabile su installazioni esistenti di tracker (aggiornamento del firmware del controller soltanto)

Domande frequenti

D. Il controller AI richiede connettività Internet?

No. Il modello ML viene eseguito su un controller edge ubicato nella sala di controllo dell’impianto. L’addestramento iniziale del modello utilizza 2–4 settimane di dati operativi sul campo per apprendere i modelli specifici di ombreggiamento del sito. Dopo l’addestramento, il modello opera localmente. La connettività cloud periodica è opzionale e serve esclusivamente per aggiornamenti remoti del firmware e per il benchmarking delle prestazioni.

D. È possibile effettuare il retrofit su installazioni esistenti di tracker?

Sì, purché l’hardware esistente dei tracker (slew drive, torque tube, fondazione) sia meccanicamente integro. L’aggiornamento consiste esclusivamente nella sostituzione del firmware del controller e nella configurazione del flusso di dati di corrente a livello di stringa proveniente dal sistema SCADA dell’impianto. Non sono richieste modifiche meccaniche.

Posizionamento dell’immagine

Parole chiave SEO

Principale: tracker solare con backtracking AI, sistema intelligente di tracciamento solare, tracker fotovoltaico basato su machine learning, backtracking intelligente

Secondario: tracker solare per riduzione delle perdite da ombreggiamento, algoritmo adattivo di backtracking, ottimizzazione del tracker solare per fila