Новые технологии для проверки солнечных панелей

Растущая потребность в расширенной инспекции солнечных панелей

Солнечные фотоэлектрические (PV) установки быстро расширяются во всем мире, с солнечными фермами в масштабе коммунальных услуг, которые в настоящее время охватывают сотни акров и массивов на крыше, становясь распространенными на коммерческих и жилых зданиях. По мере старения этих систем поддержание пиковых характеристик имеет решающее значение для возврата инвестиций и надежности сети. Традиционные ручные методы проверки - ходовые ряды панелей с портативными инструментами - становятся все более непрактичными из-за масштаба, проблем безопасности и необходимости точного обнаружения дефектов. Новые технологии проверки решают эти проблемы, комбинируя воздушные платформы, передовые датчики и интеллектуальный анализ данных для обеспечения более быстрой, безопасной и более тщательной оценки.

Почему солнечные панели важны

Даже небольшие дефекты в фотоэлектрических модулях могут привести к значительным потерям энергии с течением времени. Общие проблемы включают микротрещины, горячие точки, расслоение, отказы обходных диодов, загрязнение и потенциальную деградацию (PID). Оставленные незамеченными, эти проблемы снижают эффективность системы, сокращают срок службы панелей и могут создавать пожарные или электрические опасности. Регулярные проверки помогают операторам выявлять проблемы на ранней стадии, планировать целенаправленный ремонт и проверять гарантии производительности. Переход к прогнозному обслуживанию - обеспечивается новыми технологиями - трансформирует управление солнечными активами, сокращая незапланированные простои и максимизируя выход энергии.

Ограничения традиционных методов инспекции

Ручные проверки обычно включают техников, использующих портативные трассеры кривой I-V, инфракрасные камеры или визуальные проверки во время ходьбы по массиву. Этот подход медленный, трудоемкий и подвергает рабочих воздействию электрических опасностей и экстремальных погодных условий. Для крупномасштабных установок полное обследование может занять недели или месяцы, что означает, что дефекты могут оставаться незамеченными в течение длительных периодов. Кроме того, качество ручных проверок в значительной степени зависит от опыта оператора, и тонкие дефекты легко пропускаются. Эти ограничения способствуют принятию автоматизированных и управляемых данными методов.

Беспилотные воздушные исследования

Беспилотные летательные аппараты (БПЛА), обычно называемые беспилотными летательными аппаратами, стали краеугольным камнем современной инспекции солнечных ферм. Оснащенные камерами видимого света с высоким разрешением, беспилотные летательные аппараты могут летать по заранее запрограммированным автономным маршрутам по целым массивам, захватывая тысячи изображений за один полет. Программное обеспечение постобработки сшивает эти изображения в ортомосаические карты, которые техники могут просматривать удаленно. Дроны резко сокращают время инспекции — 100-акровая солнечная ферма может быть обследована за один или два дня по сравнению с неделями на земле.

Типы дронов и полезных нагрузок

Солнечные инспекционные беспилотники варьируются от небольших квадрокоптеров до БПЛА с неподвижным крылом, способных к большей выносливости. Общие полезные нагрузки включают:

• RGB камеры : Обеспечить высокое определение визуальных изображений для выявления физического повреждения, затенения и затенения.
• Тепловые камеры: Обнаружение температурных аномалий, указывающих на электрические неисправности.
• Мультиспектральные датчики: захватывают данные в диапазонах нескольких длин волн для оценки состояния панели за пределами видимого спектра.
• LiDAR: Создает 3D-модели сайта для анализа местности и структуры.

Современные беспилотники теперь предлагают передачу данных в режиме реального времени и обнаружение дефектов с помощью ИИ на борту, что позволяет немедленно идентифицировать критические проблемы. Например, дрон может выделить горячую точку во время полета, чтобы техник мог быть отправлен в тот же день.

Регулирующие и оперативные соображения

Операционные беспилотники для коммерческих инспекций требуют соблюдения авиационных властей (например, FAA Part 107 в США). Планирование полетов должно учитывать погоду, ограничения воздушного пространства и выносливость батареи. Несмотря на эти ограничения, беспилотники предлагают беспрецедентную эффективность и безопасность - они устраняют необходимость для работников подниматься на крыши или ходить по неровной местности с помощью оборудования с под напряжением. Многие солнечные операторы теперь используют услуги беспилотников в качестве стандартной части своего рабочего процесса O&M (операции & техническое обслуживание).

Термическая визуализация и инфракрасные технологии

Тепловизионная томография, также известная как инфракрасная термография, является проверенной техникой для обнаружения разницы температур на солнечных панелях. При нормальной работе солнечные элементы слегка нагреваются из-за преобразования энергии. Однако неисправные ячейки, плохие соединения или внутренние шорты создают различные горячие точки (области повышенной температуры) или холодные пятна (отсоединенные ячейки). Тепловые камеры захватывают эти узоры с высокой точностью.

Виды тепловых инспекций

• Наземный портативный прибор : Техники ходят по массиву с тепловой камерой — это эффективно для небольших систем, но медленно для больших.
• Воздушные тепловые : Дроны, оснащенные радиометрическими тепловыми камерами (например, FLIR или DJI Zenmuse H20T), могут обследовать тысячи панелей в час.
• Фиксированная тепловая установка : Постоянные камеры, установленные в ключевых точках обзора, непрерывно контролируют массив, подавая данные в центральную систему.

Тепловые инспекции наиболее эффективны при проведении в условиях постоянного облучения и окружающей среды — обычно в ясные дни в течение двух часов после полудня. Расширенное программное обеспечение для анализа изображений может автоматически классифицировать горячие точки по степени тяжести (например, обход активации диода, несоответствие модулей или дефектные ячейки). Это позволяет операторам расставлять приоритеты ремонта и отслеживать тенденции деградации с течением времени.

Ограничения тепловой визуализации

Хотя тепловизионные данные и являются мощными, они не могут обнаружить все типы дефектов. Микрокраксы, особенно ранние стадии или не нагревающие трещины, могут не давать тепловой сигнатуры. Аналогичным образом, PID может быть невидимым для тепловых камер до тех пор, пока он не значительно прогрессирует. Вот почему тепловой контроль часто сочетается с другими методами, такими как электролюминесценция (EL) визуализация , который использует электрическое возбуждение для выявления дефектов на клеточном уровне.

Электролюминесцентная визуализация: невидимый ущерб

Электролюминесцентная визуализация — это лабораторная техника, все чаще применяемая в полевых условиях с помощью дронов и мобильных платформ. Применяя прямое напряжение смещения к фотоэлектрическому модулю, клетки излучают ближний инфракрасный свет, пропорциональный их электрической активности. Специально фильтрованная камера фиксирует это излучение, выявляя микротрещины, сломанные пальцы, плохую пайку и даже PID с высоким разрешением. EL-визуализация является золотым стандартом для обнаружения производственных дефектов и механических повреждений, которые другие методы упускают.

До недавнего времени EL требовал дорогостоящих лабораторных установок и был непрактичен для больших массивов. Новые компактные камеры EL, интегрированные с беспилотниками или наземными роботами, теперь позволяют проводить быстрые полевые инспекции. Процесс требует отключения модуля или всей струны, что может временно снизить производство энергии. Тем не менее, уровень детализации, предоставляемый EL, делает его незаменимым для гарантийных требований и обеспечения качества во время установки или после экстремальных погодных явлений.

Искусственный интеллект и машинное обучение

Объем данных, генерируемых полетами дронов и сенсорными платформами, огромен — один солнечный инспекция фермы может производить терабайты изображений. Анализ этих данных вручную непрактичен. ИИ и алгоритмы машинного обучения автоматизируют обнаружение дефектов, классификацию и даже прогнозную аналитику. Свёрточные нейронные сети (CNN), обученные на тысячах меченых изображений, могут идентифицировать конкретные типы дефектов (горячие точки, трещины, модели загрязнения) с точностью, конкурирующей или превышающей человеческие эксперты.

Как ИИ улучшает результаты проверок

• Скорость : ИИ обрабатывает 100-акровый осмотр за часы вместо дней.
• Согласованность: Алгоритмы применяют одни и те же критерии обнаружения каждый раз, уменьшая человеческие ошибки и субъективность.
• Прогнозное обслуживание : Сопоставляя модели дефектов с данными об окружающей среде (температура, влажность, ветер), модели ИИ прогнозируют, какие панели с наибольшей вероятностью потерпят неудачу в ближайшие месяцы.
• Интеграция с CMMS: Обнаруженные проблемы могут быть автоматически введены в компьютеризированные системы управления техническим обслуживанием, генерируя рабочие заказы и отслеживая разрешение.

Такие компании, как Raptor Maps, Pro-Drone и Solar Site Design, предоставляют комплексные платформы для проверки на основе ИИ, которые объединяют сбор данных с помощью дронов с облачной аналитикой. Эти платформы генерируют действенные отчеты с геотегическими местоположениями дефектов, рейтингами серьезности и предполагаемой потерей дохода. По мере развития отрасли модели ИИ продолжают улучшаться за счет обучения передаче и более крупных наборов данных.

Другие развивающиеся технологии

Датчики IoT и постоянный мониторинг

Постоянные датчики IoT, развернутые в солнечных батареях, измеряют ток, напряжение, температуру и излучение на уровне модуля или строки. Эти данные в реальном времени поступают в облачные платформы, которые обнаруживают аномалии по мере их возникновения — например, падение выходного тока из конкретной строки, указывающее на неисправность. В сочетании с аналитикой краевых вычислений эти системы могут вызывать немедленные предупреждения и даже автоматическое отключение пораженных секций для предотвращения повреждений.

Обнаружение и ранжирование света (LiDAR)

Сканеры LiDAR создают 3D-облака высокого разрешения рельефа и структуры солнечных батарей. Эти данные используются для анализа затенения (определение межрядового или растительного затенения), обнаружения структурной деформации (наклонная или провисающая стеллаж) и управления растительностью. LiDAR также может быть интегрирован с изображениями дронов для создания цифровых двойников всей солнечной фермы для моделирования и планирования.

Роботизированные наземные транспортные средства

Помимо воздушных беспилотников, для контроля крупным планом появляются автономные наземные транспортные средства (AGV). Эти роверы перемещаются между рядами панелей, несущих тепловые, EL и визуальные камеры. В отличие от дронов, AGV могут работать независимо от погодных условий или ограничений полета и могут нести более тяжелое оборудование. Некоторые модели работают на солнечной энергии сами по себе, что делает их устойчивыми для долгосрочного развертывания.

Акустическая томография

Экзотическая, но многообещающая техника, акустическая томография использует звуковые волны для обнаружения внутреннего расслоения и трещин в ламинированных структурах. Хотя она все еще экспериментальна для фотоэлектрических систем, она может обеспечить бесконтактный метод оценки целостности панели без электрического возбуждения.

Интеграция и управление данными

Истинная сила новых технологий инспекции заключается не в каком-либо одном инструменте, а в их интеграции в комплексную систему управления активами. Унифицированная платформа , которая поглощает данные от дронов, тепловых камер, EL, датчиков IoT и метеостанций, позволяет операторам:

• Визуализируйте дефекты на цифровой карте солнечной фермы.
• Сопоставьте результаты проверки с производственными данными для количественной оценки потерь.
• Отслеживайте прогрессирование дефектов с течением времени с помощью повторных обследований.
• Оптимизируйте графики очистки на основе скорости загрязнения, идентифицированной с помощью изображений.
• Создавать отчеты о соблюдении для финансистов и страховщиков.

Стандарты данных, такие как IEC 61724, обеспечивают основу для работы системы мониторинга, а новые стандарты для данных инспекции разрабатываются такими организациями, как Национальная лаборатория возобновляемых источников энергии (NREL) и IEA PVPS Task 13, которая публикует лучшие практики для оценки эффективности фотоэлектрических систем.

Преимущества новых инспекционных технологий

Преимущества перед традиционными методами очевидны и убедительны:

• Быстрые проверки: Дроны могут покрывать от 10 до 50 раз больше панелей в час, чем ручные выпады.
• Снижение рисков безопасности : отсутствие персонала, непосредственно контактирующего с оборудованием с под напряжением или подвергающегося воздействию высоты.
• Более высокая точность обнаружения: ИИ и датчики высокого разрешения улавливают дефекты, невидимые для человеческого глаза.
• Сэкономление затрат : снижение затрат на рабочую силу, меньшее количество аварийного ремонта и оптимизированная замена компонентов.
• Расширенный срок службы системы : Раннее обнаружение и своевременный ремонт предотвращают каскадные сбои и ухудшение производительности.
• Принятие решений на основе данных : подробная аналитика поддержки гарантийных требований, страховых оценок и продажи / торговли проектами.

Для крупномасштабных солнечных ферм эти преимущества напрямую переходят в улучшенную уравновешенную стоимость энергии (LCOE) , что делает солнечную энергию более конкурентоспособной с ископаемым топливом.

Проблемы и соображения

Несмотря на их обещания, новые технологии контроля сталкиваются с препятствиями. Управление данными - обработка и хранение терабайтов изображений с высоким разрешением - требует надежной облачной инфраструктуры и тщательного управления данными. Точность алгоритма зависит от разнообразных и хорошо обозначенных наборов данных обучения; ложные срабатывания и ложные негативы остаются проблемой. Регулятивные ограничения на полеты беспилотников, особенно вблизи аэропортов или в городских районах, могут ограничивать развертывание. Авансовые затраты на передовые датчики и платформы могут быть высокими, хотя ROI обычно достигается в течение одного-двух лет для крупных установок.

Кроме того, отрасль сталкивается с разрывом в навыках : техникам необходимо обучение работе с дронами, калибровке датчиков и интерпретации данных. Многие поставщики солнечных O&M сотрудничают со специализированными инспекционными компаниями или принимают готовые решения для решения этой проблемы. По мере развития технологий затраты снижаются, и из таких организаций, как SolarPower Europe и Solar Energy Industries Association (SEIA), появляются более стандартизированные учебные программы.