论AI在太阳能行业的应用 看人工智能如何改变太阳能运维和资产管理清洁剂

随着人工智能技术的真正潜力日益获得认可，从银行业到运输业再到医疗保健业，人工智能(AI)在几乎每一个商业领域的应用都在增长，太阳能也不例外。在我们的行业中，人工智能有可能改变太阳能项目的运营和管理方式。通过分析云层覆盖、辐射度等方面的趋势，当汇聚在一起时，来自数千个太阳能电站的庞大数据集可以帮助预测产出，而更复杂的成像和评估技术正在提升我们对组件性能和衰减的理解。

尽管在太阳能领域仍处于萌芽状态，但几乎可以肯定的是，人工智能会改变我们所了解的行业。那些早期接受这一技术的人们极有可能获得竞争优势。PVTech采访了人工智能-太阳能领域的两位专家，研究了人工智能在这一领域的应用现状及其会带来的益处。

真正定义人工智能这个词本身就是一种挑战。无处不在的人工智能意味着它已成为一个包罗万象的术语，任何复杂的软件往往都会被称为"AI"。在锻造加工太阳能行业背景下，人工智能茄果蔬菜应被视为使用了高级分析和机器学习的软件解决方案，用于帮助电网运营商和项目业主从数据集中提取更多内容并整合到运行中去。这是GuidehouseInsights的研究员HannahDavis提出的观点。GuidehouseInsights是一家市场情报公司，调查人工智能在数个能源行业领域的应用。

对于俄亥俄州克利夫兰CaseWesternReserve大学太阳能耐久性和寿命延长研究中心主任RogerFrench来说，太阳能中的人工智能是利用"人们对电站的深入了解，通过自主学习，确保项目业主和运营方对电站性能有更深入的了解，不仅考虑太阳能发电的时间性，也考虑其空间性"。

组件维护和衰减评估

专家们一致认为，人工智能使太阳能行业受益的主要方式是通过在太阳能电站应用人工智能来评估何时需要维护组件，以及评估电站内组件的性能损失率(PLR)。

通过分析一个项目中单个组件的输出，人工智能可以准确指出哪些组件的运行低于预期水平，提醒项目业主或运营方何时需要维护。Davis表示，"人工智能可用于了解和预测太阳能技术中的低效或缺陷情况。"

她举例说，通过先进的分析软件，人们可以使用无人机技术以及人工智能提供太阳能电站的空中图像，预测组件的维护问题。"人工智能可以与无人机合作，在高处拍摄太阳能场地的照片，然后使用人工视觉来了解太阳能电池组件中可能存在缺陷的地方"。由于人工智能系统会以近乎实时的方式做出分析，考虑到评估一个项目中每个组件所需的人力，这不仅节省了大量开支，而且还节约了时间。据Guidehouse报道，目前在能源行业，预计用于关键能源基础设施的无人驾驶航空系统和无人机的2021年市场价值为14亿美元。

本周，French和他的团队启动了一个项目，包括SunPower、阿特斯、C2Energy、SolarEdge和BrookfieldRenewables公司在内，这一项目已收集了逾24家公司数千个太阳能光伏电站和组件的四年数据。这些数据将被用来评估公司电站的PLR。重要的是，这些电站使用了来自多家制造商的组件。

French解释称，"PLR指的是组件输出功率的年降幅。在保修期内，PLR不应下降到80%以下。"项目业主可以将人工智能与像他这样的庞大数据集一起使用，确定适合现场的、质量最佳的组件，并以更有效的方式识别可能已经损坏的缺陷组件桥梁螺栓和低效组件。

"如果电站业主拥有来自自家电站的流媒体数据，那么他们就可以更准确、更可靠的诊断出发生了什么，

组件在衰减，但为什么会衰减?电站业主可以从他们看不到的障碍物中，发现导致组件效率低下的遮蔽问题。

French的项目将在2024年完工。之后，这一项目将成为向公众开放的免费开源资源。但在那之前，参与公司可以分享从这些数据中得出的观点，这可以让这些公司改善它们的运营。

<充填机械/p>

这张图显示的是一个未命名项目一天的输出。绿线是该太阳能电站自身的输出，蓝线是把这个电站与不同地点的其他电站联系起来时的输出。红线是French团队使用人工智能系统对输出的预测，与这个电站的实际电力输出更为接近

衡量电站性能

French和Davis都表示，人工智能还会对衡量未来的电厂性能产生深远影响。人工智能系统将能够实时分析天气预报数据、历史发电概况、季节性产能水平和预期需求量，向项目业主呈现比当前要精准的多的、关于能源产出以及从中获价的情况。

Davis表示，"它可以告诉项目运营商他们需要多少产出，避免过度生产。

两年来，French团队对美国316个太阳能光伏电站进行了分析，通过使用从同期项目中整理出来的数据，French团队已能够更充分的了解各个电站的发电水平。这种方法已经能够以8%的准确度测量发电量。如果大规模采用这种方法，就可以提升对大量发电的理解。

通过查看附近电站的电力输出，我们可以看到太阳有多亮，云从哪儿来。因此，我们正在使用这些附近的电站来帮助我们更充分的了解每一个电站的性能。

通过关注不同项目的位置而不仅仅是一天中性能最佳的时间，通过他称之为"时空图神经网络"的模型，French一直在利用人工智能更准确的预测全美数百个电厂的发电量。与传统方法相比，他的研究中心的类似项目已经能够以50%的精度预测某些电厂的发电量。

Davis表示，如果项目业主有兴趣探索人工智能给其项目带来的益处，他们有几种选择：他们可以开发自己的数据库和软件，这非常昂贵，但不会涉及分享他们的关键数据;另一个选择是向项目业主所依赖的数据集维护公司购买软件，或者他们可以将人工智能作业外包给服务供应商，但这会伴随着经常性成本。此外，还存在着取决于供应商条款的可升级性问题。尽管如此，对于想要引入这一技术的公司来说，它们是有选择的。

由于人工智能在太阳能领域的应用仍处于早期阶段，目前很难准确预测人工智能对行业的影响。但是，如果可以确定一件事的话，那就是人工智能有可能以一种目前难以完全理解的方式来简化和改善运行。