Оптимальный угол наклона для фотоэлектрических систем — от 0° до 90°

Аккумулятор TROJAN T145

Исследовательская группа из Словакии разработала математическую модель для определения оптимального угла наклона солнечной системы в диапазоне от 0° до 90°. Их модель была протестирована на экспериментальной установке в Чехии и показала точность в 93,9 % при прогнозировании энергетического баланса системы.

Исследователи из Словацкого сельскохозяйственного университета в Нитре разработали новую систему для оптимизации угла наклона фотоэлектрических панелей. Она сочетает в себе методы передаточной функции с нейронными сетями и моделирование методом Монте-Карло для оптимизации наклона панелей, взаимодействия с сетью, самопотребления и экономической окупаемости.

Эта структура представлена в научной статье Гибридная структура передаточной функции искусственной нейронной сети для многомерной оптимизации угла наклона фотоэлектрических элементов, опубликованной в журнале Energy Conversion and Management: X.

«Представленная методология уникальна тем, что позволяет проверять широкий спектр аналитических моделей по различным физическим параметрам, тем самым расширяя сферу её применения далеко за пределы фотоэлектрических систем, — заявили в группе. — Алгоритм также способствует надёжному долгосрочному прогнозированию, что отличает его от коммерческих моделей, которые дают только краткосрочные прогнозы и не оптимизированы для климатических условий Центральной Европы».

Система оптимизации состоит из пяти взаимосвязанных модулей: функции сбора данных, функции предварительной обработки, функции моделирования, функции оценки и функции адаптивного управления. Модуль сбора данных в режиме реального времени собирает данные о фотоэлектрических элементах, а модуль предварительной обработки стандартизирует и очищает необработанные данные. Затем функция моделирования создает регрессионную модель для описания энергетического баланса, а модуль оценки вычисляет показатели эффективности. Наконец, модуль адаптивного управления оптимизирует настройки наклона.

«Для проверки аналитической модели был разработан расширенный алгоритм моделирования с использованием преобразования Лапласа, а дальнейшая проверка проводилась с помощью искусственной нейронной сети (ИНС)», — добавили исследователи. «ИНС состоит из одного скрытого слоя с двумя нейронами и функциями активации ReLU без нормализации данных до стандартного распределения вероятностей. Входными данными считались данные об энергетическом балансе за каждый день, разделённые по месяцам. Модель ИНС и моделирование методом Монте-Карло были реализованы на Python 3.12.3».

Новая система была обучена и протестирована на данных экспериментальной фотоэлектрической системы, расположенной в Брно, на юге Чехии. Система состоит из двух секций: в одной установлено 48 модулей общей мощностью 5 кВт, которые расположены под углом 90° и фактически представляют собой встроенную в здание фотоэлектрическую систему (BIPV), а в другой секции установлено 288 модулей общей мощностью 30 кВт, расположенных под углом 25°. Общая площадь фотоэлектрической системы составляет 291,4 м2, а ориентация фотоэлектрической электростанции — юго-западная, 45°.

Для экономического анализа в исследовании использовались данные о ценах на электроэнергию в зависимости от времени суток, льготные тарифы, затраты на деградацию аккумуляторов и графики технического обслуживания системы. Цена в зависимости от времени суток составляла 0,24 евро (0,28 доллара США) за кВт·ч в часы пик и 0,16 евро за кВт·ч в непиковые часы, льготные тарифы составляли 0,08 евро за кВт·ч, а затраты на деградацию аккумуляторов — 0,02 евро за кВт·ч.

Результаты сравнительной оценки регрессионной модели и модели со сложными переменными показали высокую согласованность. «Аналитическая модель показала точность в 93,9 % при прогнозировании энергетического баланса системы, а проверка модели со сложными переменными с помощью нейронной сети дала коэффициент детерминации 94,38 %», — говорится в результатах. «Максимальное соответствие между подходами наблюдалось при наклоне панели в 0°, что дало коэффициент детерминации R2, равный 0,979. Надежность модели была дополнительно подтверждена с помощью комплексного статистического анализа (R2 = 0,929) и моделирования методом Монте-Карло.

Результаты также показали, что увеличение угла наклона с базовых 25° до 45° и 90° снижает годовую выработку энергии на 11,3% и 16,2% соответственно. Это соответствует снижению чистой приведённой стоимости на 1661 евро и 2382 евро, годовому дефициту энергии на 591 кВт·ч и 847 кВт·ч и потере дохода на 106 евро и 153 евро.