人工智能在光伏产业中的应用

点击上方“PV兔子”可以订阅哦！

人工智能是最近几年红遍各行业的标签，无论手机上越来越复合我们口味的文章推送，电视里Alpha Go与柯洁和李世石的高妙对决，还是无人驾驶汽车的快速发展，都让人们惊异人工智能技术的突飞猛进，也不得不开始讨论究竟哪些职位会被人工智能所取代。

由于人工智能涵盖的内容十分宽泛，所以难以避免的存在一些误用和滥用，而厘清这一问题的最好方法就是不去谈宽泛的人工智能而是聚焦到这一技术的具体应用场景。下面我们就向大家分享一些近期人工智能技术在光伏行业的应用，与大家一起探讨其中人工智能技术究竟在数据的采集、分析和应用方面对光伏行业带来了怎样的变化。

电池和组件

机器视觉是人工智能一个重要的应用场景，基于机器视觉的识别和分类技术在各行业的自动化生产线中都有广泛应用。对光伏行业来说，基于光致发光（PL）和电致发光（EL）的检测设备可以提供肉眼难以发现的硅片潜在的问题，可以在硅片完成电池的生产前对其进行筛选或者分类。其中各种缺陷或者隐裂等可能影响成品电池性能的问题都会在PL和EL的检测结果图片中显示出来，虽然技术人员可以通过图像识别出问题，但如果厂家对在线检测设备或者大批量数据的处理有需求，机器识别技术提供的分类和筛选方案就成了这一问题的理想解决方案。通过将人工智能技术集成在光电检测设备中，我们就可以将原本智能做人工检测的设备变为可以用在流水线上的在线检测设备。

除了电池的生产方面，随着光伏产品向精细化发展，组件也变得越来越智能，数据采集的功能甚至越过逆变器延伸至组件优化器的层面，大量的数据配合人工智能的算法将帮助业主更好的管理自己的光伏电站。

平衡系统

除电池和组件的生产过程中外，光伏系统的平衡系统中也有很多人工智能有潜力或者已经在发回作用的场景。最大功率点追踪（MPPT）算法是逆变器提供的保持系统发电效率的功能之一，目前逆变器的MPPT算法主要有扰动法等，但学界一直在研究使用人工智能算法优化MPPT的效果，降低因寻找最大功率点带来的发电波动。此外，跟踪支架公司NEXTracker也在今年推出了据称是业内首款的智能自适应跟踪控制系统TrueCapture，与根据时间和设定值进行调整的跟踪支架不同，这一系统可以通过机器学习算法根据实时的光照情况自动调整支架到最佳的工作角度，从而增加跟踪支架在复杂地貌和多云天气时的发电量，同时降低安装和部署时间。

销售

除了生产之外，人们也在光伏产业链上的其位置寻找人工智能技术的应用场景。美国的一家创业公司PowerScout试图使用人工智能技术帮助分布式光伏安装商提高销售。公司的首席执行官Attila Toth 曾表示“目前太阳能的销售与上世纪60年代上门推销吸尘器没有什么区别，安装商花费在市场推广上的成本可能比购买光伏组件还要多。零售、交通和金融领域都在经历着激动人心的技术变革，我们也希望将这一技术引入户用光伏市场的销售中来。”而这里提到的技术就是依托大数据的精准营销，一方面通过分析潜在用户的屋顶和日照数据，针对屋顶与光照资源匹配好的住户进行营销，提高转化率。另一方面对感兴趣的客户使用算法即时给出的预评估报告，减少技术人员外勤次数，降低成本。

另一家类似的公司是Faraday，该公司同样采用机器学习的方法识别潜在的光伏客户，Faraday与PowerScout均获得了来自美国能源局SunShot计划的资助。

融资

另一个家公司则试图从融资的角度降低光伏系统的成本。通过监控并分析70000多个光伏系统的发电数据，美国的kWh Analytics公司面向光伏项目投资商推出了HelioStats和Kudos两款产品。其中HelioStats是面向投资商的风险管理平台，通过数据整合和分析向投资者智能推荐电站建设和投资的机会，其客户包括Google（目前全球最大的可再生能源投资商之一）和PNC银行。而另一款产品Kudos则是与保险与保险公司合作推出光伏发电量担保。通过这一担保，光伏系统的投资风险将会得到降低，而作为风险指标的项目融资利率也会相应降低，从而降低整个系统的度电成本。目前kWh Analytics已经与怡和保险经纪有限公司（JLT Re）达成战略合作协议将共同推出这一产品。kWh Analytics的首席执行官Richard Matsui表示：“我们十分高兴将保险业与光伏资产进行了绑定，Kudos可以担保高达95%的发电量，这可以帮助业主节约资金成本。”怡和方面则表示kWh Analytics的工作让原本难以估计的不去定性变为可以评估的风险，而后续对风险的定价也就水到渠成。

电站

在电站项目的评估，建设，并网，运维和出售全生命周期中，以人工智能技术为核心的发电量计算都是重中之重。在项目建设初期可以使用人工智能技术对历史日照数据进行分析，对未来日照资源进行预估。其次在项目设计建设阶段，研究人员也已经开发出了基于人工智能的系统设计和选型方法，包括离网系统储能容量和光伏装机的匹配。项目建成后，人工智能方法还能帮助电站的运营和维护，比如澳大利亚Renewable Energy Laboratory公司开发的PVMaster平台，就可以通过人工智能方法根据气象数据计算光伏系统理论发电量，通过监控的发电数据与理论值的对比评估电站安装质量，同时在运营中及时发现电站运行问题并给出可能的故障诊断。

光伏电站的发电量预测也是机器学习技术在光伏行业的传统应用场景。电网需要将电力的供给和需求进行匹配，这对发电量可以方便调控的传统化石能源发电和水电站来说都不是难题。但对于光伏和风电这样的可再生能源来说，电力的调度则变得困难，取而代之的是发电量的预测。当电网拥有了可再生能源部分的发电预测后，就可以对其他发电方式进行调节，从而实现供给和负载的协调，不过这仍然增加了调度的难度。此外，考虑到光伏发电预测不准确的情况，为保证应对可能突发的发电波动，就需要一定冗余的传统发电装机保持待机运行，而这也进一步提高了传统化石能源发电装机的占比。因此，如果使用人工智能技术进一步提高发电预测的准确性，首先可以提高电网的稳定性和安全性，其次也可以一定程度上减少冗余装机，进一步提高可再生能源可上网的占比。

除了上面介绍的这些，还有许多使用人工智能技术在光伏行业解决问题的实例，比如智能电网和智能家居能源管理。Google，微软和IBM这样的人工智能巨头都对这一领域虎视耽。随着人工智能技术的发展，算法的进步和硬件算力的提高，相信人工智能将成为帮助进一步降低光伏发电的成本，提高其在所有发电方式中的占比。

长按指纹

一键关注

本文为PV兔子原创作品，非原文转载请添加管理员微信号pvtools_solar为好友，或直接扫描下方二维码添加兔子君好友，申请修改编辑授权。欢迎大家转载，谢谢您的喜爱和支持呦！

微信：pvtools_solar

兔子君

扫一扫上面的二维码，加我微信

更多精彩内容尽在PVtools

订阅PVtools微信

请

点击右上角“查看公众号”点击关注

请

搜索“PV兔子”点击关注

PVtools

公众号ID：PV兔子

长按识别二维码关注我们