Datum: 10. Januar 2019
Quelle: Amerikanisches Institut für Physik
Zusammenfassung: Wie prüft man Sonnenkollektoren in Echtzeit auf kostengünstige und zeitsparende Weise? Forscher haben nun statistische und auf maschinelles Lernen basierende Alternativen entwickelt und verbessert, um die Inspektion von Sonnenkollektoren in Echtzeit zu ermöglichen. Ihre Forschung fand eine neue Anwendung für Clustering-basierte Berechnungen, bei denen die meteorologischen Daten der Vergangenheit zur Berechnung von Leistungsverhältnissen und Degradationsraten verwendet werden.
Trotz vieler Vorteile und relativer Beliebtheit als erneuerbare Energiequelle geht die Sonne schließlich sogar auf die besten Solarmodule. Im Laufe der Zeit können Solarzellen durch Witterungseinflüsse, Temperaturschwankungen, Verschmutzungen und UV-Strahlung Schaden nehmen. Solarzellen erfordern auch Inspektionen, um die Zellleistung aufrechtzuerhalten und wirtschaftliche Verluste zu reduzieren.
Wie kann man also Panels in Echtzeit auf kosten- und zeitsparende Weise prüfen? Parveen Bhola, wissenschaftlicher Mitarbeiter am indischen Thapar Institute of Engineering and Technology, und Saurabh Bhardwaj, außerordentlicher Professor an derselben Institution, verbrachten die letzten Jahre mit der Entwicklung und Verbesserung von statistischen und maschinellen Lernmethoden, um Echtzeitprüfungen von Solar zu ermöglichen Platten. Ihre Forschung fand eine neue Anwendung für Clustering-basierte Berechnungen, bei denen die meteorologischen Daten der Vergangenheit zur Berechnung von Leistungsverhältnissen und Degradationsraten verwendet werden. Diese Methode ermöglicht auch die Inspektion außerhalb des Standorts.
Clustering-basierte Berechnungen sind für dieses Problem vorteilhaft, da sie den Inspektionsprozess beschleunigen, weitere Schäden verhindern und Reparaturen beschleunigen können, indem ein Leistungsverhältnis verwendet wird, das auf meteorologischen Parametern basiert, die Temperatur, Druck, Windgeschwindigkeit, Feuchtigkeit, Sonnenstunden und Solarenergie und sogar den Tag des Jahres. Die Parameter werden einfach erfasst und bewertet und können von entfernten Standorten aus gemessen werden.
Durch die Verbesserung von PV-Zelleninspektionssystemen können Inspektoren die Fehlerbehebung effizienter gestalten und möglicherweise zukünftige Probleme vorhersagen und kontrollieren. Durch Clustering-basierte Berechnungen werden wahrscheinlich neue Wege zur Verwaltung von Solarenergiesystemen, zur Optimierung der PV-Erträge und zur Anregung zukünftiger technologischer Fortschritte in diesem Bereich beleuchtet.
"Die Mehrheit der verfügbaren Techniken berechnet den Abbau von PV (Photovoltaik) -Systemen durch physische Inspektion vor Ort. Dieser Prozess ist zeitaufwändig und kostspielig und kann nicht für die Echtzeitanalyse des Abbaus verwendet werden", sagte Bhola. "Das vorgeschlagene Modell schätzt die Verschlechterung in Bezug auf das Leistungsverhältnis in Echtzeit."
Bhola und Bhardwaj arbeiteten zuvor zusammen und entwickelten das Modell zur Abschätzung der Sonnenstrahlung mithilfe einer Kombination aus dem Hidden-Markov-Modell und dem Generalized Fuzzy-Modell.
Das Hidden-Markov-Modell wird verwendet, um zufällig wechselnde Systeme mit unbeobachteten oder verborgenen Zuständen zu modellieren. Das generalisierte Fuzzy-Modell versucht, ungenaue Informationen im Modellierungsprozess zu verwenden. Diese Modelle umfassen Erkennung, Klassifizierung, Clustering und Informationsabfrage und sind für die Anpassung von Inspektionsmethoden für PV-Systeme hilfreich.
Die Vorteile der Echtzeit-PV-Inspektion gehen über zeitkritische und kosteneffiziente Maßnahmen hinaus. Dieses neue vorgeschlagene Verfahren kann auch die aktuellen Modelle zur Vorhersage der Sonnenenergie verbessern. Bhola stellte fest, dass die Ausgangsleistung eines Sonnenkollektors oder eines Satzes von Sonnenkollektoren mit noch größerer Genauigkeit vorhergesagt werden kann. Echtzeitschätzung und -inspektion ermöglicht auch eine schnelle Reaktion in Echtzeit.
"Als Ergebnis einer Echtzeitschätzung kann die vorbeugende Maßnahme sofort ergriffen werden, wenn die Ausgabe nicht dem erwarteten Wert entspricht", sagte Bhola. "Diese Informationen sind hilfreich für die Feinabstimmung der Modelle zur Vorhersage der Sonnenenergie. So kann die Ausgangsleistung mit höherer Genauigkeit vorhergesagt werden."
