Jednoosiowy system śledzenia z funkcją AI i algorytmem unikania cieni

Przegląd produktu

Konwencjonalne algorytmy śledzenia tylnego wykorzystują geometryczny model położenia Słońca i wymiarów układu do obliczania kątów rzędów zapobiegających zacienianiu międzyrzędowemu. Metoda ta działa dobrze na idealnie płaskim terenie z jednolitymi rzędami — jednak w rzeczywistych lokalizacjach projektowych występują niewielkie różnice w rzeźbie terenu, nieregularne odstępy między rzędami wynikające z tolerancji montażu fundamentów oraz warunki rozproszonego oświetlenia, których model geometryczny nie potrafi uwzględnić.

System śledzenia tylnego jednoosiowego oparty na sztucznej inteligencji zastępuje model geometryczny kontrolerem opartym na uczeniu maszynowym, który ciągle optymalizuje kąty rzędów na podstawie danych wyjściowych prądu stałego z poziomu poszczególnych łańcuchów w czasie rzeczywistym. Zamiast obliczać, gdzie powinno wystąpić zacienienie, system AI wykrywa, gdzie zacienienie faktycznie występuje, i odpowiednio dostosowuje kąty.

Jak to działa:

Prąd stałoprądowy każdego łańcucha DC w rzędzie jest monitorowany na poziomie skrzynki zbiorczej (nie są wymagane dodatkowe czujniki — dane są już dostępne w systemie SCADA elektrowni)

W okresach wycofywania się (rano i późnym popołudniem) kontroler AI dokonuje mikroregulacji kąta każdego rzędu

Gdy prąd w danym rzędzie spada w porównaniu do sąsiednich rzędów — co wskazuje na zacienienie — kontroler reguluje wyłącznie ten konkretny rząd, a nie wszystkie rzędy jednolicie

Z biegiem czasu model uczenia maszynowego uczy się charakterystycznego dla danej lokalizacji wzorca zacienienia i przewiduje optymalne kąty dla określonego czasu/daty/warunków pogodowych, zmniejszając potrzebę aktywnych mikroregulacji

Zmierzona korzyść: straty spowodowane zacienieniem zmniejszone o maksymalnie 90% w porównaniu do wycofywania się geometrycznego, co przekłada się na dodatkowe 2–4% rocznej wydajności energetycznej względem standardowego systemu śledzącego z wycofywaniem się geometrycznym — osiągnięte bez żadnych dodatkowych kosztów sprzętowych poza aktualizacją oprogramowania kontrolera.

Specyfikacje techniczne

Zastosowania

Lokalizacje o nieregularnym terenie lub z mikro-zróżnicowaniem rzeźby

Gęste układy śledzące (GCR 0,45)

Projekty, w których każde 1% poprawy uzysku przekłada się na istotne przychody z umów PPA

Możliwość modernizacji istniejących instalacji śledzących (wyłącznie aktualizacja oprogramowania sterownika)

Najczęściej zadawane pytania

Pytanie: Czy sterownik AI wymaga połączenia z Internetem?

Nie. Model uczenia maszynowego działa na kontrolerze brzegowym zainstalowanym w pomieszczeniu sterowniczym elektrowni. Wstępne szkolenie modelu wykorzystuje dane operacyjne zebrane w miejscu przez 2–4 tygodnie, aby nauczyć się charakterystycznych wzorców zacienienia dla danej lokalizacji. Po zakończeniu szkolenia model działa lokalnie. Okresowe połączenie z chmurą jest opcjonalne i służy wyłącznie zdalnym aktualizacjom oprogramowania oraz ocenie wydajności.

Pytanie: Czy można zastosować tę technologię w istniejących instalacjach śledzących?

Tak, pod warunkiem, że istniejące elementy sprzętowe śledząca (napęd obrotowy, rura nośna, fundament) są mechanicznie sprawne. Modernizacja polega wyłącznie na wymianie oprogramowania sterownika oraz skonfigurowaniu przesyłu danych prądu na poziomie łańcuchów z systemu SCADA elektrowni. Nie są wymagane żadne modyfikacje mechaniczne.

Umiejscowienie obrazu

Słowa kluczowe SEO

Główne: śledzący system solarny z wykorzystaniem sztucznej inteligencji, inteligentny system śledzenia słonecznego, śledzący system fotowoltaiczny oparty na uczeniu maszynowym, inteligentne śledzenie zwrotne

Dodatkowe: śledzący system solarny redukujący straty spowodowane zacienieniem, adaptacyjny algorytm śledzenia zwrotnego, optymalizacja śledzenia słonecznego na poziomie pojedynczego rzędu