盡管在太陽能領(lǐng)域仍處于萌芽狀態(tài),但幾乎可以肯定的是,人工智能會改變我們所了解的行業(yè)。那些早期接受這一技術(shù)的人們極有可能獲得競爭優(yōu)勢。媒體采訪了人工智能-太陽能領(lǐng)域的兩位專家,研究了人工智能在這一領(lǐng)域的應(yīng)用現(xiàn)狀及其會帶來的益處。
真正定義人工智能這個(gè)詞本身就是一種挑戰(zhàn)。無處不在的人工智能意味著它已成為一個(gè)包羅萬象的術(shù)語,任何復(fù)雜的軟件往往都會被稱為 "AI"。在太陽能行業(yè)背景下,人工智能應(yīng)被視為使用了高級分析和機(jī)器學(xué)習(xí)的軟件解決方案,用于幫助電網(wǎng)運(yùn)營商和項(xiàng)目業(yè)主從數(shù)據(jù)集中提取更多內(nèi)容并整合到運(yùn)行中去。這是Guidehouse Insights的研究員Hannah Davis提出的觀點(diǎn)。Guidehouse Insights是一家市場情報(bào)公司,調(diào)查人工智能在數(shù)個(gè)能源行業(yè)領(lǐng)域的應(yīng)用。
對于俄亥俄州克利夫蘭Case Western Reserve大學(xué)太陽能耐久性和壽命延長研究中心主任Roger French來說,太陽能中的人工智能是利用"人們對電站的深入了解,通過自主學(xué)習(xí),確保項(xiàng)目業(yè)主和運(yùn)營方對電站性能有更深入的了解,不僅考慮太陽能發(fā)電的時(shí)間性,也考慮其空間性"。
人工智能與太陽能項(xiàng)目的空中檢查相結(jié)合就是這樣一種鞏固運(yùn)維的方式
組件維護(hù)和衰減評估
專家們一致認(rèn)為,人工智能使太陽能行業(yè)受益的主要方式是通過在太陽能電站應(yīng)用人工智能來評估何時(shí)需要維護(hù)組件,以及評估電站內(nèi)組件的性能損失率(PLR)。
通過分析一個(gè)項(xiàng)目中單個(gè)組件的輸出,人工智能可以準(zhǔn)確指出哪些組件的運(yùn)行低于預(yù)期水平,提醒項(xiàng)目業(yè)主或運(yùn)營方何時(shí)需要維護(hù)。Davis表示,"人工智能可用于了解和預(yù)測太陽能技術(shù)中的低效或缺陷情況。"
她舉例說,通過先進(jìn)的分析軟件,人們可以使用無人機(jī)技術(shù)以及人工智能提供太陽能電站的空中圖像,預(yù)測組件的維護(hù)問題。"人工智能可以與無人機(jī)合作,在高處拍攝太陽能場地的照片,然后使用人工視覺來了解太陽能電池組件中可能存在缺陷的地方"。由于人工智能系統(tǒng)會以近乎實(shí)時(shí)的方式做出分析,考慮到評估一個(gè)項(xiàng)目中每個(gè)組件所需的人力,這不僅節(jié)省了大量開支,而且還節(jié)約了時(shí)間。據(jù)Guidehouse報(bào)道,目前在能源行業(yè),預(yù)計(jì)用于關(guān)鍵能源基礎(chǔ)設(shè)施的無人駕駛航空系統(tǒng)和無人機(jī)的2021年市場價(jià)值為14億美元。
本周,F(xiàn)rench和他的團(tuán)隊(duì)啟動了一個(gè)項(xiàng)目,包括SunPower、阿特斯、C2 Energy、SolarEdge和Brookfield Renewables公司在內(nèi),這一項(xiàng)目已收集了逾24家公司數(shù)千個(gè)太陽能光伏電站和組件的四年數(shù)據(jù)。這些數(shù)據(jù)將被用來評估公司電站的PLR。重要的是,這些電站使用了來自多家制造商的組件。
French解釋稱,"PLR指的是組件輸出功率的年降幅。在保修期內(nèi),PLR不應(yīng)下降到80%以下。"項(xiàng)目業(yè)主可以將人工智能與像他這樣的龐大數(shù)據(jù)集一起使用,確定適合現(xiàn)場的、質(zhì)量最佳的組件,并以更有效的方式識別可能已經(jīng)損壞的缺陷組件和低效組件。
"如果電站業(yè)主擁有來自自家電站的流媒體數(shù)據(jù),那么他們就可以更準(zhǔn)確、更可靠的診斷出發(fā)生了什么,”
“組件在衰減,但為什么會衰減?電站業(yè)主可以從他們看不到的障礙物中,發(fā)現(xiàn)導(dǎo)致組件效率低下的遮蔽問題。”
French的項(xiàng)目將在2024年完工。之后,這一項(xiàng)目將成為向公眾開放的免費(fèi)開源資源。但在那之前,參與公司可以分享從這些數(shù)據(jù)中得出的觀點(diǎn),這可以讓這些公司改善它們的運(yùn)營。
這張圖顯示的是一個(gè)未命名項(xiàng)目一天的輸出。綠線是該太陽能電站自身的輸出,藍(lán)線是把這個(gè)電站與不同地點(diǎn)的其他電站聯(lián)系起來時(shí)的輸出。紅線是French團(tuán)隊(duì)使用人工智能系統(tǒng)對輸出的預(yù)測,與這個(gè)電站的實(shí)際電力輸出更為接近
衡量電站性能
French和Davis都表示,人工智能還會對衡量未來的電廠性能產(chǎn)生深遠(yuǎn)影響。人工智能系統(tǒng)將能夠?qū)崟r(shí)分析天氣預(yù)報(bào)數(shù)據(jù)、歷史發(fā)電概況、季節(jié)性產(chǎn)能水平和預(yù)期需求量,向項(xiàng)目業(yè)主呈現(xiàn)比當(dāng)前要精準(zhǔn)的多的、關(guān)于能源產(chǎn)出以及從中獲價(jià)的情況。
Davis表示,"它可以告訴項(xiàng)目運(yùn)營商他們需要多少產(chǎn)出,避免過度生產(chǎn)。”
兩年來,F(xiàn)rench團(tuán)隊(duì)對美國316個(gè)太陽能光伏電站進(jìn)行了分析,通過使用從同期項(xiàng)目中整理出來的數(shù)據(jù),F(xiàn)rench團(tuán)隊(duì)已能夠更充分的了解各個(gè)電站的發(fā)電水平。這種方法已經(jīng)能夠以8%的準(zhǔn)確度測量發(fā)電量。如果大規(guī)模采用這種方法,就可以提升對大量發(fā)電的理解。
“通過查看附近電站的電力輸出,我們可以看到太陽有多亮,云從哪兒來。因此,我們正在使用這些附近的電站來幫助我們更充分的了解每一個(gè)電站的性能。”
通過關(guān)注不同項(xiàng)目的位置而不僅僅是一天中性能最佳的時(shí)間,通過他稱之為 "時(shí)空圖神經(jīng)網(wǎng)絡(luò) "的模型,F(xiàn)rench一直在利用人工智能更準(zhǔn)確的預(yù)測全美數(shù)百個(gè)電廠的發(fā)電量。與傳統(tǒng)方法相比,他的研究中心的類似項(xiàng)目已經(jīng)能夠以50%的精度預(yù)測某些電廠的發(fā)電量。
Davis表示,如果項(xiàng)目業(yè)主有興趣探索人工智能給其項(xiàng)目帶來的益處,他們有幾種選擇:他們可以開發(fā)自己的數(shù)據(jù)庫和軟件,這非常昂貴,但不會涉及分享他們的關(guān)鍵數(shù)據(jù);另一個(gè)選擇是向項(xiàng)目業(yè)主所依賴的數(shù)據(jù)集維護(hù)公司購買軟件,或者他們可以將人工智能作業(yè)外包給服務(wù)供應(yīng)商,但這會伴隨著經(jīng)常性成本。此外,還存在著取決于供應(yīng)商條款的可升級性問題。盡管如此,對于想要引入這一技術(shù)的公司來說,它們是有選擇的。
由于人工智能在太陽能領(lǐng)域的應(yīng)用仍處于早期階段,目前很難準(zhǔn)確預(yù)測人工智能對行業(yè)的影響。但是,如果可以確定一件事的話,那就是人工智能有可能以一種目前難以完全理解的方式來簡化和改善運(yùn)行。
原標(biāo)題:人工智能如何改變太陽能運(yùn)維和資產(chǎn)管理