Солнечные панели научили "танцевать с ветром", чтобы оптимизировать выработку энергии
Решение противоречит общепринятым инженерным практикам, но обладает высокой масштабируемостью.
Исследователи из Центра формования материалов при Университете PSL во Франции объединили искусственный интеллект (ИИ) и машинное обучение с вычислительной гидродинамикой, чтобы помочь защитить солнечные панели от экстремальных ветров. Об этом пишет Interesting Engineering.
Технология призвана помочь свести к минимуму простои возобновляемых источников энергии в условиях участившихся экстремальных погодных явлений.
В борьбе с изменением климата фотоэлектрические или солнечные панели являются важным инструментом. Способные превращать обильный солнечный свет в электричество, эти панели могут помочь производить большие объемы чистой энергии и снизить нашу зависимость от ископаемого топлива.
США сейчас активно развивает альтернативные источники энергии, но пока существенно отстают от Китая. Летом в районе Синьцзян запустили самую крупную в мире солнечную станцию мощностью 3,5 ГВт и площадью 133,33 квадратных километра. Она способна производить около 6,09 млрд кВт*ч электроэнергии в год.
Страны по всему миру инвестируют в солнечные электростанции, чтобы достичь своих целей по нулевому уровню выбросов, что делает солнечную энергетику самым быстрорастущим сектором в энергетической отрасли. Однако с потеплением планеты есть больше неблагоприятных погодных явлений, и надежность этого возобновляемого источника энергии является серьезным риском.
Ветры одновременно и хороши, и плохи для солнечных электростанций. Когда они дуют медленно, они помогают удалять пыль и грязь с поверхности солнечных панелей. Это позволяет панели получать солнечный свет по всей площади поверхности и максимизировать производство энергии.
Кроме того, ветры также служат охлаждающими агентами для солнечных панелей. Во время работы фотоэлектрические панели имеют тенденцию накапливать внутри себя тепло. Это снижает их эффективность производства энергии. Ветры помогают уменьшить накопление тепла внутри ячейки и обеспечивают эффективную работу панелей.
Для создания крупногабаритных солнечных электростанций фотоэлектрические панели устанавливаются на больших участках земли. Но это также позволяет ветрам дуть беспрепятственно, а когда скорость ветра увеличивается, тонкие панели становятся крайне уязвимыми для повреждений.
При нарушении работы солнечных электростанций из-за сильных ветров на восстановление после структурных повреждений могут уйти недели, что также нарушит подачу электроэнергии.
Чтобы минимизировать ущерб солнечным панелям от сильных ветров, исследователи работали над такими параметрами, как дорожный просвет, углы наклона и расстояние между рядами. Даже отслеживающие крепления, разработанные для максимизации производства электроэнергии путем следования за солнечным путем, были перепрофилированы для минимизации ущерба в ветреную погоду.
Солнечная электростанция может заставить свои панели занять безопасное положение, оставаясь параллельными земле, когда ветер становится сильным. Однако этого недостаточно, когда дуют сильные ветры.
Чтобы решить эту проблему, исследовательская группа под руководством Эли Хашема, профессора Университета PSL и руководителя исследовательской группы по вычислениям и жидкостям, обратилась к машинному обучению и искусственному интеллекту, чтобы создать более интеллектуальные панели, которые могли бы самостоятельно принимать решения для минимизации ущерба.
Исследователи использовали машинное обучение для моделирования ветровых условий и оптимизации углов солнечных панелей против сильного ветра. Используя имеющиеся данные, алгоритм разрабатывает креативные решения для снижения стресса.
Однако вместо того, чтобы давать указания панели о действиях, которые необходимо предпринять, алгоритм машинного обучения позволяет ей стать лицом, принимающим решения, и обнаружил, что он превосходит текущие меры безопасности.
Недавно Китайская компания CHN Energy запустила вторую по величине солнечную ферму мощностью 3 ГВт. Ожидается, что она сможет обеспечить электричеством 2 миллиона домов, производя до 7 ТВт*ч в год.