26.05.2024
Подписывайтесь на Telegram-канал по ссылке

Машинное обучение помогает планировать очистку автономных солнечных модулей

Машинное обучение помогает планировать очистку автономных солнечных модулей

Группа учёных разработала новую технологию машинного обучения для выполнения плановой очистки солнечных фотоэлектрических (PV) модулей, установленных в удалённых местах, которые не подключены к электросети. Исследовательская группа из Университета Сорбонны во Франции, Высшей школы Ренн (ENS Rennes) и Университета Париж-Сакле применила четыре алгоритма машинного обучения к данным, собранным с удалённой фотоэлектрической системы.

Убытки из-за загрязнения остаются серьёзной проблемой для удалённых энергосистем, использующих солнечную энергию. Эффективный анализ потерь мощности доступен для мониторинга крупных солнечных фотоэлектрических проектов, что помогает разработать оптимальный график очистки. Однако, с удалённым мониторингом автономных солнечных систем, используемых в сельских регионах, дело обстоит иначе.

Группа учёных исследовала возможность недорогого мониторинга работ по очистке солнечных модулей в дневное время. По словам исследователей, полезно знать, регулярное ли загрязнение, и оценить, нужно ли проводить дополнительную очистку.

Задача классификации была сформулирована с использованием временного окна измерений температуры, напряжения и тока фотоэлектрической матрицы, чтобы автоматически идентифицировать возникновение вмешательства по очистке. Для решения такой задачи классификации команда исследовала инструменты машинного обучения на основе логистической регрессии и искусственных нейронных сетей.

Эксперименты проводились на реальном наборе данных и показали многообещающие результаты с точностью классификации до 95%. Очистка солнечных панелей необходима для эффективного производства электроэнергии в рамках проекта. Частицы пыли, птичий помёт и другие твёрдые частицы приводят к снижению выработки энергии, что подчёркивает важность очистки солнечных модулей.