پایش کم‌هزینه نیروگاه های خورشیدی: مرور جامع تمام سیستم‌ها
در یک بررسی علمی گسترده، گروهی از پژوهشگران در چین و دانشگاه آمریکایی عراق، تمام روش‌ها و فناوری‌های موجود برای پایش کم‌هزینه نیروگاه های خورشیدی را تحلیل کرده‌اند.
این پژوهش که با رویکرد مرور سیستماتیک انجام شده، تلاش دارد مشخص کند کدام فناوری‌ها در عمل کارآمدتر، در دسترس‌تر و مقرون‌به‌صرفه‌تر هستند و آینده سیستم‌های مانیتورینگ خورشیدی به چه سمتی حرکت می‌کند.
یکی از نتایج مهم این پژوهش آن است که از میان ۱۱۳۹ مقاله اولیه، تنها ۸۸ مطالعه شایستگی لازم برای بررسی دقیق‌تر را داشته‌اند. نکته جالب‌تر اینکه برای پایش کم‌هزینه نیروگاه های خورشیدی فقط ۱۱ مطالعه از یادگیری ماشین استفاده کرده‌اند؛ یعنی باوجود رشد هوش مصنوعی، سیستم‌های پایش ارزان هنوز به‌طور گسترده از ML بهره نمی‌برند. این موضوع از نظر محققان نشان می‌دهد جامعه علمی باید تمرکز بیشتری بر راهکارهای سبک و کم‌مصرف هوش مصنوعی داشته باشد؛ راهکارهایی که بدون نیاز به سخت‌افزارهای گران‌قیمت بتوانند خطاها را تشخیص دهند و عملکرد پنل‌ها را بهبود دهند.
در این مرور، تمام بخش‌های یک سیستم پایش خورشیدی بررسی و مقایسه شده است؛ از سنسورها (جریان، ولتاژ، تابش، دما) گرفته تا سخت‌افزارهای اصلی مثل میکروکنترلرها و مبدل‌های ADC، و همچنین نرم‌افزارهایی که داده‌ها را تحلیل و نمایش می‌دهند. علاوه بر این، روش‌های ارتباطی رایج شامل مدل‌های سیمی، وایرلس و ترکیبی نیز مورد ارزیابی قرار گرفته‌اند تا مشخص شود کدام راهکار برای سیستم‌های کم‌هزینه مناسب‌تر است.
فرصت‌های آینده برای توسعه پایش کم‌هزینه نیروگاه های خورشیدی
پژوهشگران سه حوزه را مهم‌ترین نقاط پیشرفت در سال‌های اخیر معرفی می‌کنند: اینترنت اشیا (IoT)، یادگیری ماشین (ML) و سیستم‌های داده‌برداری PV (DAQ-PV). به گفته آنان، IoT باعث کاهش هزینه سیم‌کشی و نگهداری می‌شود و امکان پایش از راه دور را فراهم می‌کند. یادگیری ماشین نیز می‌تواند بدون نیاز به سنسورهای اضافی، بازده و سلامت پنل‌ها را تحلیل کند. DAQهای پیشرفته نیز به‌تدریج در سیستم‌های مختلف PV به‌کار می‌روند و کارایی عملیاتی را بهبود می‌بخشند.
با این حال، بررسی‌ها نشان می‌دهد که هنوز چالش‌های مهمی وجود دارد. بسیاری از مطالعات (پایش کم‌هزینه نیروگاه های خورشیدی ) تست‌های خود را تحت شرایط استاندارد STC انجام نداده‌اند و شاخص‌های مهمی مانند عدم‌قطعیت و چرخه عمر سیستم‌ها را گزارش نکرده‌اند. از نظر طراحی نیز ضعف‌هایی مانند دقت کم ADCها، نبود داده‌های محیطی، منحنی‌های ناقص I-V، وابستگی به اینترنت و کمبود رابط کاربری مناسب دیده می‌شود. مهم‌تر از همه، ادغام یادگیری ماشین در سیستم‌های کم‌هزینه هنوز بسیار محدود است.
با وجود تمام این محدودیت‌ها، پژوهشگران چشم‌انداز این حوزه را روشن توصیف می‌کنند. آینده سیستم‌های پایش ارزان‌قیمت، به سمت محاسبات لبه (Edge Computing)، هوش مصنوعی سبک برای میکروکنترلرها، یکپارچه‌سازی با گوشی‌های هوشمند و فناوری Digital Twin حرکت می‌کند. این پیشرفت‌ها می‌توانند مانیتورینگ خورشیدی را هوشمندتر، قابل‌اعتمادتر و بسیار اقتصادی‌تر کنند.
منبع : www.pv-magazine.com
به اخبار روز دنیای انرژی‌های تجدید پذیر دعوت می‌کند:
برج خورشیدی سه‌بعدی Power Janta: انقلابی در نیروگاه 3D خورشیدی ایران
