Система одноосевого слідкування зі штучним інтелектом та функцією зворотного слідкування

Огляд продукту

Звичайні алгоритми зворотного слідкування використовують геометричну модель положення Сонця та розмірів масиву для розрахунку кутів рядів, що запобігають затіненню між рядами. Це добре працює на ідеально рівному рельєфі з однаковими рядами — але реальні об’єкти мають мікрорельєфні відмінності, нерівні відстані між рядами через допуски при монтажі фундаментів та умови розсіяного світла, які геометрична модель не враховує.

Система одноосного слідкування зі штучним інтелектом замінює геометричну модель контролером на основі машинного навчання, який безперервно оптимізує кути рядів на основі даних про електричну потужність на рівні окремих постійного струму (DC) рядів у реальному часі. Замість того щоб розраховувати, де має виникнути затінення, ШІ виявляє, де воно виникає зараз, і відповідно коригує кути.

Як це працює:

Постійний струм (DC) кожного ряду контролюється на рівні розподільних коробок (додаткові датчики не потрібні — ці дані вже є в системі SCADA електростанції)

Під час періодів зворотного слідування (раннім ранком та пізним пополуднем) контролер на основі ШІ виконує мікрокоригування кута кожного ряду

Коли струм у ряду знижується порівняно з його сусідами — що вказує на затінення — контролер коригує саме цей ряд, а не всі ряди одночасно та однаково

З часом модель машинного навчання вивчає характерну для конкретного місця схему затінення й передбачає оптимальні кути для заданих часу/дати/погодних умов, що зменшує потребу в активних мікрокоригуваннях

Виміряний ефект: втрати через затінення зменшуються до 90 % порівняно з геометричним зворотним слідуванням, що забезпечує додатковий річний приріст енерговиробництва на 2–4 % порівняно зі стандартним трекером із геометричним зворотним слідуванням — без будь-яких додаткових витрат на апаратне забезпечення, окрім оновлення прошивки контролера

Технічні специфікації

Застосування

Об’єкти з нерівним рельєфом або мікрорельєфними варіаціями

Схеми розташування трекерів з високою щільністю (GCR 0.45)

Проєкти, у яких кожне покращення ефективності на 1 % перетворюється на значний дохід за PPA

Можливість модернізації існуючих установок трекерів (лише оновлення прошивки контролера)

Питання та відповіді

П. Чи потрібне для AI-контролера підключення до Інтернету?

Ні. ML-модель працює на edge-контролері, розташованому в контрольній кімнаті електростанції. Початкове навчання моделі використовує 2–4 тижні експлуатаційних даних з об’єкта, щоб вивчити специфічні для місця схеми затінення. Після навчання модель працює локально. Періодичне підключення до хмари є необов’язковим і призначене лише для віддаленого оновлення прошивки та порівняльного аналізу ефективності.

П. Чи можлива модернізація існуючих установок трекерів?

Так, за умови, що існуюче обладнання трекерів (поворотний привід, труба кручення, фундамент) механічно справне. Модернізація полягає лише в заміні прошивки контролера та налаштуванні потоку даних про струм на рівні рядів із SCADA-системи електростанції. Механічні зміни не потрібні.

Розміщення зображення

SEO-ключові слова

Основне: сонячний трекер із штучним інтелектом для зворотного відстеження, розумна система сонячного відстеження, трекер ФЕ з машинним навчанням, інтелектуальне зворотне відстеження

Додаткове: сонячний трекер для зменшення втрат через затінення, адаптивний алгоритм зворотного відстеження, оптимізація сонячного трекера для кожного ряду