ระบบติดตามดวงอาทิตย์แบบแกนเดียวพร้อมฟังก์ชัน AI Backtracking

ภาพรวมสินค้า

อัลกอริทึมการย้อนกลับแบบดั้งเดิมใช้แบบจำลองเชิงเรขาคณิตของตำแหน่งดวงอาทิตย์และขนาดของแผงเพื่อคำนวณมุมของแต่ละแถวให้ป้องกันไม่ให้เกิดเงาบังระหว่างแถว วิธีนี้ให้ผลดีมากบนพื้นที่ราบเรียบอย่างสมบูรณ์แบบที่มีแถวติดตั้งเป็นระยะเท่ากัน — แต่สถานที่ติดตั้งจริงมักมีความผันแปรของภูมิประเทศในระดับจุลภาค มีระยะห่างระหว่างแถวไม่สม่ำเสมอจากความคลาดเคลื่อนในการติดตั้งฐานราก และมีสภาวะแสงแบบกระจายซึ่งแบบจำลองเชิงเรขาคณิตไม่สามารถคำนึงถึงได้

ระบบติดตามแนวแกนเดียวแบบย้อนกลับที่ขับเคลื่อนด้วยปัญญาประดิษฐ์ (AI Backtracking Single-Axis Tracking System) แทนที่แบบจำลองเชิงเรขาคณิตด้วยตัวควบคุมที่ใช้การเรียนรู้ของเครื่อง ซึ่งปรับแต่งมุมของแต่ละแถวอย่างต่อเนื่องโดยอิงจากข้อมูลผลลัพธ์ไฟฟ้าระดับสายตรง (string-level) แบบเรียลไทม์ แทนที่จะคำนวณว่าเงาบังควรเกิดขึ้นที่ใด ระบบ AI จะตรวจจับว่าเงาบังกำลังเกิดขึ้นจริงที่ตำแหน่งใดแล้วปรับมุมให้เหมาะสมตามนั้น

การทำงาน:

กระแสไฟตรง (DC) ของแต่ละสายในแต่ละแถวจะถูกตรวจสอบที่ระดับกล่องรวม (combiner box) โดยไม่จำเป็นต้องติดตั้งเซนเซอร์เพิ่มเติม — เนื่องจากข้อมูลนี้มีอยู่แล้วในระบบ SCADA ของโรงไฟฟ้า

ในช่วงเวลาที่ระบบถอยกลับ (เช้าตรู่และช่วงบ่ายตอนปลาย) ตัวควบคุมปัญญาประดิษฐ์จะปรับมุมของแต่ละแถวแบบจุลภาค

เมื่อกระแสไฟฟ้าของแถวหนึ่งลดลงเมื่อเทียบกับแถวข้างเคียง ซึ่งบ่งชี้ว่ามีเงาตกกระทบ ตัวควบคุมจะปรับเฉพาะแถวที่ได้รับผลกระทบเท่านั้น ไม่ใช่การปรับทุกแถวพร้อมกันแบบสม่ำเสมอ

เมื่อเวลาผ่านไป โมเดลการเรียนรู้ของเครื่อง (ML) จะเรียนรู้รูปแบบการเกิดเงาเฉพาะสถานที่ และทำนายมุมที่เหมาะสมที่สุดตามช่วงเวลา/วันที่/สภาพอากาศที่กำหนด จึงลดความจำเป็นในการปรับมุมแบบจุลภาคอย่างแข้งขัน

ผลลัพธ์ที่วัดได้: การสูญเสียพลังงานจากเงาลดลงสูงสุดถึงร้อยละ 90 เมื่อเทียบกับการถอยกลับตามหลักเรขาคณิต ซึ่งส่งผลให้เพิ่มผลผลิตพลังงานรายปีได้ประมาณร้อยละ 2–4 เมื่อเทียบกับระบบติดตามแบบมาตรฐานที่ใช้การถอยกลับตามหลักเรขาคณิต — โดยไม่ต้องลงทุนเพิ่มเติมด้านฮาร์ดแวร์ใดๆ นอกเหนือจากการอัปเกรดเฟิร์มแวร์ของตัวควบคุม

ข้อมูลทางเทคนิค

การประยุกต์ใช้งาน

สถานที่ที่มีภูมิประเทศไม่เรียบหรือมีความแปรผันของรูปแบบพื้นผิวระดับย่อย

การจัดวางตัวติดตามแบบหนาแน่นสูง (อัตราส่วน GCR เท่ากับ 0.45)

โครงการที่การเพิ่มประสิทธิภาพการผลิตพลังงานเพียง 1% ส่งผลให้รายได้จากสัญญาซื้อขายไฟฟ้า (PPA) เพิ่มขึ้นอย่างมีนัยสำคัญ

สามารถติดตั้งเพิ่มเติมได้กับระบบติดตามที่มีอยู่แล้ว (อัปเกรดเฟิร์มแวร์ของตัวควบคุมเท่านั้น)

คำถามที่พบบ่อย

ข้อสงสัย: ตัวควบคุมปัญญาประดิษฐ์จำเป็นต้องเชื่อมต่อกับอินเทอร์เน็ตหรือไม่

ไม่จำเป็น โมเดลการเรียนรู้ของเครื่อง (ML) ทำงานบนตัวควบคุมแบบเอจ (edge controller) ซึ่งติดตั้งอยู่ในห้องควบคุมของโรงไฟฟ้า การฝึกโมเดลเบื้องต้นใช้ข้อมูลการดำเนินงานจริงจากสถานที่เป็นระยะเวลา 2–4 สัปดาห์ เพื่อเรียนรู้รูปแบบการบังแสงเฉพาะของแต่ละสถานที่ หลังจากเสร็จสิ้นการฝึก โมเดลจะทำงานแบบท้องถิ่นโดยไม่ต้องเชื่อมต่อกับคลาวด์ การเชื่อมต่อกับคลาวด์เป็นระยะ ๆ นั้นเป็นทางเลือก สำหรับการอัปเดตเฟิร์มแวร์จากระยะไกลและการประเมินผลการทำงาน

ข้อสงสัย: สามารถติดตั้งเพิ่มเติมได้กับระบบติดตามที่มีอยู่แล้วหรือไม่

ได้ กรณีที่ชิ้นส่วนฮาร์ดแวร์ของระบบติดตามที่มีอยู่ (เช่น ตัวขับหมุน, ท่อรับแรงบิด, และฐานราก) ยังคงแข็งแรงและใช้งานได้ตามปกติ การอัปเกรดประกอบด้วยการเปลี่ยนเฟิร์มแวร์ของตัวควบคุม และการตั้งค่าการรับส่งข้อมูลกระแสไฟฟ้าระดับสตริงจาก SCADA ของโรงไฟฟ้า โดยไม่จำเป็นต้องปรับปรุงหรือเปลี่ยนแปลงส่วนประกอบเชิงกลใด ๆ

ตำแหน่งการวางภาพ

คำหลักสำหรับ SEO

หลัก: ระบบติดตามแสงอาทิตย์แบบปัญญาประดิษฐ์, ระบบติดตามแสงอาทิตย์อัจฉริยะ, ระบบติดตามแสงพลังงานแสงอาทิตย์ที่ใช้การเรียนรู้ของเครื่อง, การติดตามแสงแบบย้อนกลับอัจฉริยะ

รอง: ระบบติดตามแสงอาทิตย์เพื่อลดการสูญเสียจากแสงบัง, อัลกอริธึมการติดตามแสงแบบย้อนกลับที่ปรับตัวได้, การเพิ่มประสิทธิภาพระบบติดตามแสงพลังงานแสงอาทิตย์สำหรับแต่ละแถว