Система одноколенного слежения с ИИ-коррекцией траектории

Обзор продукта

Традиционные алгоритмы обратного отслеживания используют геометрическую модель положения Солнца и размеров массива для расчёта углов рядов, предотвращающих затенение между рядами. Этот подход хорошо работает на идеально ровном рельефе с одинаковым расстоянием между рядами — однако реальные строительные площадки имеют микрорельефные неровности, неравномерное расстояние между рядами из-за допусков при установке фундаментов, а также условия рассеянного освещения, которые геометрическая модель учесть не может.

Система одноосевого слежения с ИИ-обратным отслеживанием заменяет геометрическую модель контроллером на основе машинного обучения, который непрерывно оптимизирует углы рядов на основе данных об электрической выходной мощности на уровне отдельных постоянного тока (DC) строк в реальном времени. Вместо того чтобы рассчитывать, где должно возникнуть затенение, ИИ обнаруживает, где оно фактически возникает, и соответствующим образом корректирует положение.

Как это работает:

Постоянный ток (DC) каждой строки отслеживается на уровне распределительной коробки (дополнительные датчики не требуются — эти данные уже присутствуют в системе SCADA электростанции)

Во время периодов отслеживания назад (раннее утро, поздний вечер) контроллер на основе ИИ выполняет микрокорректировки угла каждого ряда

Когда ток в ряду снижается по сравнению с соседними рядами — что указывает на затенение — контроллер корректирует именно этот ряд, а не все ряды единообразно

Со временем модель машинного обучения осваивает характерную для конкретной площадки картину затенения и прогнозирует оптимальные углы для заданных времени/даты/погодных условий, сокращая необходимость активных микрокорректировок

Измеренный эффект: потери из-за затенения сокращены до 90 % по сравнению с геометрическим отслеживанием назад, что даёт прирост годовой выработки энергии примерно на 2–4 % по сравнению со стандартным трекером с геометрическим отслеживанием назад — при нулевой дополнительной стоимости оборудования, за исключением обновления прошивки контроллера

Технические характеристики

Области применения

Объекты с неровным рельефом или вариациями микрорельефа

Высокоплотные схемы установки трекеров (коэффициент заполнения GCR 0.45)

Проекты, в которых каждое повышение выхода на 1 % напрямую увеличивает выручку по договору PPA

Возможность модернизации существующих трекерных установок (только обновление прошивки контроллера)

Часто задаваемые вопросы

В. Требуется ли контроллеру ИИ подключение к интернету?

Нет. Модель машинного обучения выполняется на edge-контроллере, расположенном в диспетчерской станции объекта. Первоначальное обучение модели проводится на основе 2–4 недель эксплуатационных данных с места для выявления характерных для объекта паттернов затенения. После завершения обучения модель работает локально. Периодическое подключение к облаку является необязательным и используется только для удалённого обновления прошивки и сравнительного анализа эффективности.

В. Можно ли модернизировать существующие трекерные установки с помощью этого решения?

Да, при условии, что существующее оборудование трекеров (поворотный привод, труба крутящего момента, фундамент) находится в исправном механическом состоянии. Модернизация сводится к замене прошивки контроллера и настройке потока данных о токе на уровне строк от SCADA-системы станции. Механические изменения не требуются.

Размещение изображения

Ключевые слова для SEO

Основное: солнечный трекер с ИИ-отслеживанием, умная система слежения за Солнцем, трекер для ФЭМ с машинным обучением, интеллектуальное отслеживание

Дополнительное: солнечный трекер для снижения потерь от затенения, адаптивный алгоритм отслеживания, оптимизация трекинга для каждого ряда