מערכת מעקב חכם חד-צירית עם אלגוריתם AI לאחור | הסרת צללים באינטליגנציה כדי להשיג את הצפיפות המרבית של אנרגיה בין שורות
אלגוריתמים קונבנציונליים להחזרה לאחור משתמשים במודל גאומטרי למיקום השמש וממדים של המערך כדי לחשב את זוויות השורות שמניעות הצללה בין השורות. זה עובד היטב על מישור אידיאלי עם שורות אחידות — אך אתרים ממשיים של פרויקטים כוללים וריאציות בטופוגרפיה המיקרוסקופית, ריווחים לא אחידים בין השורות בגלל סובלנות בהתקנת היסודות, ותנאי אור דיפוזי שהמודל הגאומטרי אינו מסוגל לקחת בחשבון.
מערכת המעקב החד-צירית עם החזרה לאחור מבוססת בינה מלאכותית מחליפה את המודל הגאומטרי בשליטה מבוססת למידת מכונה שממירה באופן מתמיד את זוויות השורות על סמך נתוני פלט חשמלי ברמת המחרוזות בזמן אמת. במקום לחשב היכן אמורה להתרחש הצללה, הבינה המלאכותית מזהה היכן היא מתרחשת באמת ומעדכנת את הזוויות בהתאם.
איך זה עובד:
זרם ה־DC של כל מחרוזת בשורה נמדד ברמת קופסת האיחוד (אין צורך בסנסורים נוספים — הנתונים כבר קיימים במערכת ה־SCADA של התחנה)
בתקופות של עקיבה לאחור (בוקר מוקדם, אחר הצהריים המאוחר), בקר ה-AI מבצע התאמות מיקרוסקופיות לזווית של כל שורה.
כאשר הזרם הנוכחי של שורה יורד בהשוואה לשכנותיה — מה שמצביע על צל — הבקר מתאים את אותה השורה הספציפית, ולא את כל השורות באופן אחיד.
עם הזמן, מודל הלמידה החזקה (ML) לומד את דפוס הצל הייחודי לאתר ומחזיר תחזיות של זוויות אופטימליות עבור זמן/תאריך/תנאי מזג אוויר מסוימים, ובכך מפחית את הצורך בהתאמות מיקרוסקופיות פעילות.
היתרון שנמדד: אובדי הצל ירדו עד 90% בהשוואה לעקיבה לאחור גאומטרית, מה שנותן עלייה של כ-2–4% באנרגיה שנתית נוספת לעומת מערכות עקיבה סטנדרטיות עם עקיבה לאחור גאומטרית — ללא עלות חומרית נוספת מעבר לעדכון התוכנה של הבקר.
פרמטרים |
מפרט |
ציר עקיבה |
אופקי (מזרח–מערב) |
כיוון המודול |
1P או 2P |
דיוק מעקב |
±0.5° |
שיטת בקרה |
AI/ML + אלגוריתם אסטרונומי + GPS + משוב זרם ממחרוזות |
סוג עקיבה לאחור |
מתאמת לפי שורה (לא גאומטרית אחידה) |
הפחתת אובדן צללים |
עד 90% לעומת עקיבה גאומטרית |
תפוקה נוספת לעומת עקיבה גאומטרית |
פלוס 2% עד פלוס 4% לשנה |
דרישת חומרה |
חומרה סטנדרטית של מעקבן + שדרוג תוכנת הבקר |
קלט נתונים |
זרם ישר ברמת המחרוזת (מהניטור הקיים בתיבת האיחוד) |
הנחת מערכת נגד רוח |
הצמדה אוטומטית ב-25 מטר לשנייה |
תקשורת |
מודבוס TCP/IP למערכת הבקרה המרכזית של התחנה |
אשראי מבנה |
20 שנים |


אתרים עם קרקע לא שטוחה או וריאציה במיקרו-טופוגרפיה
סידור עוקבים בצפיפות גבוהה (GCR 0.45)
פרויקטים שבהם כל שיפור של 1% בתפוקה מתורגמן להכנסות משמעותיות מהסכם רכישת חשמל (PPA)
ניתן להוסיף למערכות עוקבים קיימות (עדכון רק בקוד התוכנה של הבקר)
שאלה: האם לבקר الذكאי דרוש חיבור לאינטרנט?
לא. מודל הלמידה החזק פועל על בקר קצה הנמצא בחדר הבקרה של התחנה. האימון הראשוני של המודל משתמש ב-2–4 שבועות של נתוני תפעול באתר כדי ללמוד את תבניות החשיפה הספציפיות לאתר. לאחר האימון, המודל פועל באופן מקומי. חיבור עונתי לענן הוא אופציונלי לעדכוני תוכנה מרחוק ולמדידת ביצועים.
שאלה: האם ניתן להוסיף זאת למערכות עוקבים קיימות?
כן, אם ציוד העוקב הקיים (מנוע סיבוב, צינור מומנט, יסוד) במצב מכני תקין. השדרוג כולל החלפת קוד התוכנה של הבקר והגדרת הזנת נתוני הזרם ברמת המחרוזת מתוך מערכת ה-SCADA של התחנה. אין צורך בשינויים מכניים.
# |
סעיף |
המלצה |
פורמט |
1 |
גיבור |
תמונה אווירית של שדה מעקבים בשקיעה, שורות בזווית מעקבה |
1920×750 פיקסלים |
2 |
איך זה עובד |
תרשים: השוואה בין מעקבה גאומטרית למעקבה מבוססת בינה מלאכותית, עם זיהוי שורות מוצללות |
1000×600 פיקסלים |
3 |
הצגת נתונים |
תמונה מסך של לוח הבקרה: זווית כל שורה כתלות בזמן, עם סימון אירועים של צללה |
800×500 פיקסלים |
עיקרי: מעקב סולרי מבוסס בינה מלאכותית, מערכת חכמה למעקב סולרי, מעקב סולרי מבוסס למידת מכונה, מעקבה אינטליגנטית
משני: מעקב סולרי להפחתת אובדן עקב צללה, אלגוריתם מעקבה התאמתי, אופטימיזציה של מעקב סולרי לכל שורה