Μια και μόνο εικόνα ηλεκτροφωταύγειας μπορεί να αρκεί πλέον για τον ακριβή εντοπισμό απωλειών ισχύος σε ένα φωτοβολταϊκό πλαίσιο, χάρη σε μια νέα μέθοδο που συνδυάζει τεχνητή νοημοσύνη και μοντέλα φυσικής των φωτοβολταϊκών.
Διεθνής ερευνητική ομάδα, στην οποία συμμετέχουν και επιστήμονες από το University of New South Wales , ανέπτυξε ένα σύστημα που μπορεί να αποτυπώσει την απόδοση ενός φωτοβολταϊκού πλαισίου σε επίπεδο εικονοστοιχείου. Η προσέγγιση αυτή θα μπορούσε να κάνει ταχύτερη και πιο αποτελεσματική την επιθεώρηση μεγάλων φωτοβολταϊκών εγκαταστάσεων.
Από μία εικόνα στην ακριβή διάγνωση
Η νέα μέθοδος αξιοποιεί μία μόνο εικόνα ηλεκτροφωταύγειας (Electroluminescence – EL), σε αντίθεση με συμβατικές τεχνικές που απαιτούν περισσότερες λήψεις και διαφορετικές συνθήκες λειτουργίας.
Το πρώτο στάδιο της διαδικασίας πραγματοποιείται με τη χρήση αλγορίθμου μηχανικής μάθησης. Ο αλγόριθμος αναλύει την εικόνα και προσδιορίζει τον πιθανότερο μηχανισμό που προκαλεί την υποβάθμιση του φωτοβολταϊκού πλαισίου. Μεταξύ άλλων, μπορεί να αναγνωρίσει φαινόμενα όπως η υποβάθμιση λόγω φωτός (LID), η υποβάθμιση λόγω δυναμικού (PID), οι ρωγμές στα φωτοβολταϊκά στοιχεία και οι βλάβες στις μεταλλικές γραμμές.
Στη συνέχεια, ένα μοντέλο που ενσωματώνει τη φυσική λειτουργία των φωτοβολταϊκών μεταφράζει τις διαφοροποιήσεις στη φωταύγεια σε ηλεκτρικές παραμέτρους.
Έτσι, το σύστημα μπορεί να δημιουργήσει λεπτομερείς χάρτες απωλειών για ολόκληρο το πλαίσιο και να ανακατασκευάσει βασικά χαρακτηριστικά της ηλεκτρικής του συμπεριφοράς, όπως η καμπύλη ρεύματος-τάσης (I-V) και η μέγιστη ισχύς.
Σφάλμα μόλις 0,5% στην ανακατασκευή ισχύος
Η ερευνητική ομάδα δοκίμασε τη μέθοδο σε 300 φωτοβολταϊκά πλαίσια κρυσταλλικού πυριτίου ισχύος 575 W, τα οποία είχαν ανακτηθεί από εγκαταστάσεις πεδίου.
Τα αποτελέσματα ήταν ιδιαίτερα ακριβή. Η ανακατασκευασμένη ισχύς παρουσίασε συνολικό σφάλμα περίπου 0,5%, ενώ στις περισσότερες περιπτώσεις το σφάλμα σε επίπεδο φωτοβολταϊκού πλαισίου παρέμεινε κάτω από 1,5%.
Η ακρίβεια αυτή επιτρέπει όχι μόνο τον εντοπισμό ενός προβληματικού στοιχείου, αλλά και την εκτίμηση του αντίκτυπου που έχει η συγκεκριμένη βλάβη στη συνολική παραγωγική ικανότητα του πλαισίου.
Έλεγχοι φωτοβολταϊκών πάρκων με drone
Η τεχνολογία δοκιμάστηκε και σε πραγματικές συνθήκες λειτουργίας, σε φωτοβολταϊκό πάρκο ισχύος 186 kW, το οποίο αποτελείται από 342 πλαίσια.
Για την επιθεώρηση χρησιμοποιήθηκαν νυχτερινές εικόνες ηλεκτροφωταύγειας που καταγράφηκαν από drone. Σε μια ομάδα 24 πλαισίων, η μέση απώλεια ισχύος υπολογίστηκε σε 7,53%, ενώ σε σημεία όπου η υποβάθμιση ήταν πιο έντονη, οι απώλειες έφτασαν περίπου το 25%.
Η δυνατότητα συνδυασμού της EL απεικόνισης με drones είναι ιδιαίτερα σημαντική για μεγάλες φωτοβολταϊκές εγκαταστάσεις. Αντί οι τεχνικοί να εξετάζουν ξεχωριστά κάθε πλαίσιο, μπορούν να συλλέγουν μεγάλο όγκο δεδομένων από μια ευρύτερη περιοχή και στη συνέχεια να χρησιμοποιούν την τεχνητή νοημοσύνη για την ανάλυσή τους.
Πιο γρήγορη συντήρηση και καλύτερες προβλέψεις
Η νέα προσέγγιση θα μπορούσε να αλλάξει τον τρόπο με τον οποίο πραγματοποιούνται οι έλεγχοι και η συντήρηση των φωτοβολταϊκών πάρκων.
Τα δεδομένα μπορούν να χρησιμοποιηθούν για την έγκαιρη ανίχνευση βλαβών, την ιεράρχηση των απαραίτητων επισκευών και την απόφαση για αντικατάσταση πλαισίων. Παράλληλα, η ακριβέστερη εικόνα της κατάστασης κάθε πλαισίου μπορεί να συμβάλει στη βελτίωση των προβλέψεων παραγωγής ηλεκτρικής ενέργειας.
Σε μεγαλύτερο επίπεδο, η τεχνολογία μπορεί να προσφέρει ένα πιο λεπτομερές εργαλείο για την αξιολόγηση της απόδοσης και της μακροπρόθεσμης αξίας ενός φωτοβολταϊκού πάρκου, καθώς οι απώλειες δεν αντιμετωπίζονται πλέον μόνο ως συνολικό μέγεθος, αλλά μπορούν να εντοπιστούν και να χαρτογραφηθούν σε ολόκληρη την επιφάνεια κάθε πλαισίου.
(Πηγή: Pv- magazine)