Kemajuan teknologi telah secara signifikan meningkatkan jumlah data yang tersedia untuk operator pembangkit listrik PV. Namun, menambahkan sensor yang lebih canggih dan saling berhubungan untuk melacak metrik terperinci juga memperumit tugas mengelola dan menafsirkan data. Data perlu divisualisasikan dan dianalisis untuk mendukung operator jaringan, departemen operasi dan pemeliharaan dalam proses pengambilan keputusan utama untuk menjaga pembangkit listrik tenaga surya dan jaringan tetap beroperasi dan berjalan secara optimal.

Dari sensor kotoran dan pencatat data hingga drone dan robot pembersih, peningkatan perangkat keras yang cepat telah membuka jalan bagi teknologi baru seperti pembelajaran mesin dan kecerdasan buatan. Peningkatan ini akan memungkinkan pemeriksaan cepat dan pemeliharaan prediktif pembangkit listrik fotovoltaik. Ini mengingatkan Anda sebelum terjadi kegagalan dan menjadwalkan pembersihan dan intervensi lain untuk mengoptimalkan dampak biaya dan kinerja pabrik.

Hari ini, analisis data dan AI mengidentifikasi dan memprediksi apakah akan memasok energi matahari ke jaringan dan kapan gangguan akan berdampak pada kinerja keseluruhan jaringan atau pembangkit PV individu. Dan Anda dapat memberi tahu operator pembangkit berdasarkan. Faktor-faktor dikumpulkan dan dianalisis untuk meminimalkan biaya operasional investor. Perusahaan O & M tertarik pada analisis data dan kecerdasan buatan melalui investasi mereka, dan tertarik untuk mengembangkan perangkat lunak baru yang memberikan lebih banyak wawasan, informasi yang lebih akurat, dan deteksi kesalahan yang lebih cepat.

“Jika Anda memiliki algoritme pembelajaran mesin dan alat analisis data yang mendukung teknisi O & M dalam pekerjaan sehari-hari Anda, Anda dapat menghemat banyak waktu dengan memeriksa terlebih dahulu masalah tertentu dan memberikan saran,” kata BayWa reOperation. Mohamed Harrou , kata Ketua SCADA. melayani.

Ini adalah sektor yang bergerak cepat, dan banyak perusahaan bergerak untuk mengkomersialkan potensi besar AI dalam pemantauan pembangkit listrik. Perusahaan DNV GL, Green Power Monitor (GPM), memberikan contoh karena saat ini mengelola dan memantau 50 GW pembangkit listrik energi terbarukan, termasuk 40 GW tenaga surya.

Transisi cerdas

Sejumlah besar pekerjaan sedang dilakukan dengan para profesional dan insinyur data yang mengembangkan pembelajaran mesin dan algoritma analisis data untuk memenuhi kebutuhan investor dan operator pabrik yang terus meningkat. GPM melihat peluang untuk membantu transisi dari energi abu-abu ke energi hijau dengan memberikan “pengalaman ruang pengawasan” kepada pelanggan dan menggunakan data untuk menjelaskan realitas dan peluang untuk menangani pasokan energi hijau.

“Kami telah memutuskan untuk menambahkan pakar data ke tim kami untuk mempercepat penggunaan pembelajaran mesin dan analisis buatan. Kami akan mempersempit data yang telah kami kumpulkan selama bertahun-tahun dan mengubahnya menjadi informasi yang lebih praktis bagi kami. Berusaha membentuk masa depan dari GPM, Juan Carlos Arévalo, CEO GPM, mengatakan:

GPM akan mengintegrasikan analitik canggih terbaru ke dalam produknya dan memperoleh platform teknologi analitik PV PEAK dari Alteso yang berbasis di Austria dengan tujuan untuk tetap menjadi yang terdepan di pasar dan memberikan energi bersih secara lebih efisien. Saya memutuskan itu. “Kami melihat peluang untuk mengintegrasikan pembelajaran mesin dan algoritme analisis data Alteso ke dalam teknologi untuk mempercepat pengembangan platform yang menyediakan pemantauan dan manajemen aset,” tambah Arévalo.

Pemantauan terpusat

Berkantor pusat di Norwegia, Scatec Solar adalah utilitas yang mengembangkan, membangun, dan mengoperasikan pembangkit listrik PV di seluruh dunia, dengan operasi dan pemeliharaan global yang melakukan analisis data tingkat lanjut dan memaksimalkan output. Kami menerapkan sebuah ruangan.

Untuk mengelola portofolio aset energi globalnya, perusahaan telah banyak berinvestasi dalam perangkat lunak analisis data, mentransfer data dari stasiun pemantauan pabrik lokal ke ruang kontrol pusat, dan menggunakan pembelajaran mesin untuk merampingkan data. Memeriksa, menerapkan algoritme, menyempurnakan data untuk menghasilkan pola , kinerja buruk atau pola yang tidak biasa.

“Lakukan analisis kinerja di Ruang Pemantauan Global di Cape Town, Afrika Selatan, dan gunakan pembelajaran mesin untuk berbagai elemen tren, kinerja pabrik untuk memulai tindakan pemecahan masalah jika kami mendeteksi penurunan kinerja.” Kata senior Pål Strøm. Wakil Presiden bekerja di Scatec’s O & M.

Solar adalah bentuk pembangkit energi yang sangat intensif data. Misalnya, dibandingkan dengan pembangkit listrik tenaga air, yang hanya memiliki beberapa turbin untuk dipantau, pembangkit listrik PV terdiri dari berbagai komponen yang dapat memengaruhi kinerja dan perlu dipantau secara ketat selama operasi. Juga, cuaca adalah kinerja yang penting. elemen. Menurut Strøm, volume data yang besar memperumit analisis dan deteksi kesalahan di suatu tempat dalam sistem.

Teknisi akan menggunakan AI dan pembelajaran mesin untuk memberi tahu mereka bahwa modul atau string mungkin berkinerja buruk sehingga mereka dapat menentukan kapan tindakan itu layak dilakukan. “AI tingkat lanjut tentu menarik bagi kami sebagai alat untuk lebih mengoptimalkan platform analitik kami,” kata Strøm. “Saat ini, kami menerapkan algoritme pembelajaran mesin hanya pada data yang dapat mengungkapkan masalah tertentu.”

Drone dan digitalisasi

Termografi udara adalah contoh lain tentang bagaimana kecerdasan digital memengaruhi PV. Dalam hal ini, ia menggabungkan teknologi kamera inframerah, pemrosesan gambar, pembelajaran mesin, jaringan saraf, dan mekanisme komunikasi digital untuk menyediakan tugas-tugas otomatis dan dioptimalkan di tempat dengan akurasi tertinggi, mengidentifikasi konektor panas dan masalah lainnya. . Teknisi dapat memperbaikinya.

“Scatec memiliki program di departemen Litbang dan bertujuan untuk mengotomatisasi drone sepenuhnya dengan teknologi pembelajaran mesin yang lebih canggih. Drone otonom terbang, tetapi melakukan analisis dan tuntutan kerjanya sendiri. Dapat juga dikirim kembali ke ruang kontrol. Ruang, “ucap Strom.

Sejauh ini, membersihkan modul surya telah terbukti menjadi tantangan bagi banyak operator pembangkit listrik PV. Menyeimbangkan penurunan kinerja karena kotoran dan biaya memulai siklus pembersihan adalah salah satu area di mana Anda bisa mendapatkan keuntungan dari sensor dan analitik data besar.

Mengintegrasikan data kinerja dengan cuaca efisien untuk memantau pabrik besar dan mengembangkan jadwal pembersihan yang optimal. Robot pembersih yang terpasang dapat menampung sensor untuk mengumpulkan data dan prakiraan cuaca, sehingga lebih efisien untuk menggunakan robot pembersih cerdas di lingkungan yang kotor. Strøm menambahkan bahwa Scatec saat ini sedang berdiskusi dengan pemasok robotika untuk mengimplementasikan akuisisi data untuk membantu mendeteksi titik api dan kehilangan pada panel yang lewat.

Integrasi jaringan

Mempromosikan analisis data besar di antara operator pembangkit listrik PV juga akan membawa manfaat yang signifikan bagi operator jaringan. Analisis data meningkatkan keandalan pembangkit listrik tenaga surya, menganalisis sejumlah besar data meteorologi, memprediksi keluaran, dan menggunakan informasi ini untuk memprediksi kapan tenaga surya akan disimpan atau didistribusikan di jaringan. Dan Anda dapat membuat keputusan.

GPM memiliki tim khusus untuk memastikan pembangkit listrik PV terhubung secara optimal. Tim ini memodelkan dan mensimulasikan sebelum koneksi jaringan proyek surya dan berbagi hasil model ini dengan operator jaringan untuk memfasilitasi integrasi jaringan yang lancar.

“Di masa depan, akan sangat penting untuk menghubungkan energi terbarukan ke jaringan listrik dengan cara yang cerdas,” kata Arévalo. GPM adalah Operator Pasar Energi Australia (AEMO), yang mengoperasikan jaringan listrik Australia dengan berbagi data pembangkit listrik PV dengan AEMO dalam mengatasi tantangan teknik dan ekonomi dalam mengintegrasikan sejumlah besar energi terbarukan ke dalam jaringan.

Jelas bahwa analitik data, analitik data, pembelajaran mesin, dan AI bukan hanya kata kunci. Ada inovasi nyata yang diterapkan, memungkinkan penyedia layanan O & M untuk berkembang dan berinteraksi dengan proyek energi terbarukan dalam portofolio mereka. “Ini adalah industri yang sangat muda dan proses pembelajaran bagi kami karena perusahaan O&M baru saja mulai berkembang,” kata Harrou dari Baywa.

Yazid al Mousa