Przewodnik po automatycznej analizie zacienienia w projektowaniu instalacji solarnych

Zacienienie może drastycznie obniżyć wydajność paneli słonecznych - czasami nawet o ponad 75% z powodu nawet niewielkich przeszkód. Zautomatyzowane narzędzia do analizy zacienienia ułatwiają teraz optymalizację projektów solarnych dzięki wykorzystaniu precyzyjnych danych i zaawansowanych algorytmów. Oto, co należy wiedzieć:

Kluczowe korzyści:

• Dokładność: Narzędzia takie jak EagleView rejestrują 10 000-30 000 punktów danych na dach w porównaniu do zaledwie 15-30 w przypadku metod ręcznych.
• Prędkość: Generowanie szczegółowych raportów dotyczących cieni w mniej niż 15 minut.
• Wzrost wydajności: Korekty oparte na zautomatyzowanych analizach mogą poprawić wydajność energetyczną nawet o 17,3%.

Jak to działa?

1. Skanowanie 3D: LiDAR tworzy szczegółowe modele dachów i otoczenia.
2. Uczenie maszynowe: Symuluje wzory cieni i oblicza straty mocy.
3. Zintegrowane platformy: Oprogramowanie takie jak Aurora Solar łączy analizę zacienienia z modelowaniem energii.

Dlaczego ma to znaczenie:

Zautomatyzowana analiza zacienienia oszczędza czas, redukuje błędy ludzkie i zwiększa precyzję projektu, zapewniając maksymalną produkcję energii. Niezależnie od tego, czy zajmujesz się złożonymi projektami dachów, czy sezonowym zacienieniem, te narzędzia upraszczają proces.

Już dziś zacznij wykorzystywać zautomatyzowaną analizę zacienienia do usprawnienia swoich projektów solarnych.

Podstawowe technologie analizy zacienienia

Nowoczesna analiza zacienienia zależy od trzech głównych technologii, które współpracują ze sobą, aby zapewnić precyzyjny wgląd w projekt solarny. Narzędzia te całkowicie zmieniły sposób, w jaki projektanci oceniają i planują instalacje fotowoltaiczne. Omówmy każde z nich i jego rolę w poprawie precyzji projektowania.

Skanowanie i modelowanie 3D

Technologia LiDAR generuje bardzo szczegółowe modele 3D miejsc instalacji, służące jako podstawa do zautomatyzowanej analizy zacienienia. National Renewable Energy Lab (NREL) podaje, że analiza zacienienia oparta na LiDAR osiąga dokładność w granicach 3,5% w porównaniu z tradycyjnymi pomiarami na miejscu. Modele te wychwytują szczegóły, takie jak wysokość budynku, kąty dachu, pobliska roślinność, otaczające struktury i ukształtowanie terenu. Dzięki takiemu poziomowi szczegółowości raporty dotyczące zacienienia mogą być tworzone w mniej niż 15 minut - proces ten jest obecnie uznawany przez NYSERDA za porównywalny z pomiarami ręcznymi.

Aplikacje uczenia maszynowego

Algorytmy uczenia maszynowego przekształcają surowe dane w przydatne informacje, analizując je:

• Wzory cieni: Symulacja ruchu cienia w ciągu dnia i w różnych porach roku
• Czynniki środowiskowe: Biorąc pod uwagę zmienne, takie jak temperatura, intensywność światła słonecznego i wilgotność.
• Wydajność systemu: Identyfikacja nieprawidłowości w mocy wyjściowej
• Wpływ cienia: Automatyczne obliczanie strat mocy spowodowanych zacienieniem

To zaawansowane przetwarzanie danych udoskonala strategie rozmieszczania paneli, bezpośrednio przyczyniając się do lepszego projektowania paneli słonecznych.

Integracja platformy oprogramowania

Najlepsze platformy do projektowania instalacji solarnych zawierają obecnie zautomatyzowaną analizę zacienienia jako część swoich kompleksowych rozwiązań. Niektóre z najpopularniejszych platform, w oparciu o opinie użytkowników, obejmują:

• Aurora Solar: Rated 4.6/5 on G2 (79 reviews)
• PVsyst: Rated 4.9/5 on G2 (11 reviews)
• Helioskop: Rated 4.5/5 on G2 (10 reviews)

Platformy te łączą analizę cienia, modelowanie energetyczne i wizualizację 3D, jednocześnie integrując się z narzędziami CAD i CRM w celu uproszczenia przepływu pracy.

"Wartości zacienienia Aurora LIDAR zostały udowodnione przez National Renewable Energy Lab (NREL) jako statystycznie równoważne z pomiarami na miejscu".

3-etapowy przewodnik po analizie odcieni

1. Zbieranie danych o lokalizacji

Uzyskanie dokładnych danych lokalizacji jest pierwszym krokiem do przeprowadzenia wiarygodnej analizy zacienienia. Kluczowe pomiary obejmują:

• Współrzędne geograficzne (szerokość i długość geograficzna) do obliczenia ścieżki Słońca.
• Wymiary budynku zarejestrowane za pomocą dalmierzy laserowych.
• Wysokość pobliskich przeszkód mierzone za pomocą klinometru.
• Odczyty kompasu w celu określenia kątów azymutu źródeł zacienienia.
• Zdjęcia lotnicze w wysokiej rozdzielczości zebrane za pomocą dronów.

Narzędzia takie jak Inform Advanced firmy EagleView mogą zapewnić precyzyjne dane dotyczące powierzchni dachu, dzięki czemu pomiary są jeszcze dokładniejsze. Po zebraniu dane te są gotowe do analizy przy użyciu specjalistycznego oprogramowania.

2. Uruchamianie analizy oprogramowania

Oprogramowanie do analizy zacienienia wykorzystuje zaawansowane algorytmy do przetwarzania danych witryny. Ustaw parametry, aby uwzględnić:

• Zmiany pozycji słońca w ciągu dnia.
• Sezonowe zmiany nasłonecznienia.
• Lokalne warunki pogodowe.
• Stawki za energię zużywaną w określonym czasie.

Oprogramowanie obliczy wartości Solar Access Values (SAV) i Total Solar Resource Fraction (TSRF), pomagając wskazać najlepsze obszary do instalacji paneli słonecznych. Wyniki te kierują decyzjami dotyczącymi projektowania systemu.

3. Zastosowanie wyników do projektu

Wykorzystaj wyniki analizy do dopracowania projektu systemu solarnego. Jeśli problemem jest zacienienie, należy rozważyć te strategie w oparciu o dane SAV i TSRF:

• Regulacja Układy paneli aby zwiększyć wydajność energetyczną nawet o 10%.
• Użycie elektronika mocy na poziomie modułu do obsługi częściowego cieniowania.
• Wybierz Odporne na cień, wysokowydajne moduły dla dotkniętych obszarów.
• Instalacja mikroinwertery lub optymalizatory mocy w strefach o niższej SAV.
• Modyfikacja Stosunek prądu stałego do przemiennego na podstawie obliczeń TSRF.

Kroki te zapewniają, że projekt maksymalizuje produkcję energii, nawet w trudnych warunkach.

sbb-itb-51876bd

Poprawa dokładności analizy

Konfiguracja ustawień lokalnych

Aby uzyskać niezawodne prognozy odcieni, kluczowe jest prawidłowe ustawienie parametrów lokalnych. Zacznij od wprowadzenia dokładnych współrzędnych geograficznych do oprogramowania. Pomoże to narzędziom takim jak Aurora Solar i PVsyst wykonać dokładne obliczenia ścieżki nasłonecznienia. Kluczowe czynniki do dostosowania obejmują:

• Ustawienia strefy czasowej i czasu letniego
• Integracja lokalnych danych pogodowych
• Szczegóły elewacji terenu
• Poziomy odbicia światła od podłoża
• Regionalne warunki atmosferyczne

Te zaawansowane narzędzia mogą przetwarzać znacznie więcej danych niż metody ręczne. Po wprowadzeniu ustawień lokalnych należy wziąć pod uwagę, jak zmiany sezonowe mogą wpływać na te parametry.

Sezonowe wzory odcieni

Sezonowe zmiany mogą znacząco wpływać na wzorce zacienienia, a narzędzia takie jak System Advisor Model (SAM) z Departamentu Energii USA mogą pomóc w analizie tych zmian. Oceniają one takie czynniki jak:

• Różnice w ścieżkach słońca zimą i latem
• Zmiany gęstości roślinności w różnych porach roku
• Różnice w długości cieni
• Wpływ cienia budynku

Algorytmy Helioscope idą o krok dalej, symulując, w jaki sposób zmiany środowiskowe wpływają na wzorce zacienienia przez cały rok. Po dokonaniu oceny tych sezonowych zmian ważne jest, aby zweryfikować spostrzeżenia poprzez kontrole na miejscu, aby uzyskać większą dokładność.

Weryfikacja wyników na miejscu

Weryfikacja na miejscu zapewnia dokładność automatycznych prognoz. Badania przeprowadzone przez Solargraf pokazują, że ich roczne wartości dostępu do energii słonecznej (SAV) są ściśle zgodne z pomiarami na miejscu, z marginesem ±2 SAV dla 80% punktów dostępu.

"EagleView Inform Advanced może zapewnić modelowane wartości dostępu promieniowania słonecznego w większej liczbie miejsc na dachu, niż można by praktycznie zmierzyć i przetworzyć ręcznie". - DNV-GL

Aby zakończyć proces weryfikacji, skup się na tych kluczowych zadaniach:

• Porównanie prognoz wygenerowanych przez oprogramowanie z pomiarami SunEye 210
• Dokumentowanie warunków zaciemnienia w krytycznych momentach
• Pomiar przeszkód w pobliżu miejsca zdarzenia
• Porównanie zautomatyzowanych wyników z rzeczywistymi warunkami na miejscu.

Dokładne ustawienia lokalne i oceny sezonowe są podstawą wiarygodnej weryfikacji na miejscu.

Typowe problemy z analizą i ich rozwiązania

Gdy zagłębimy się w podstawowe technologie, kilka wyzwań związanych z automatyczną analizą odcieni staje się oczywistych. Oto zestawienie kluczowych kwestii i sposobów ich skutecznego rozwiązania.

Złożone projekty budynków

Budynki o skomplikowanych konstrukcjach, takich jak nieregularne kształty, wiele płaszczyzn dachowych lub unikalne cechy, mogą stanowić wyzwanie dla narzędzi do analizy zacienienia. Na przykład systemy fotowoltaiczne zintegrowane z budynkiem (BIPV) wymagają starannego planowania, aby dopasować się do orientacji i struktury budynku w celu uzyskania optymalnej wydajności.

Aby sobie z tym poradzić, użyj Skanowanie 3D w wysokiej rozdzielczości do dokładnego modelowania poszczególnych powierzchni. Uwzględnij elementy konstrukcyjne, takie jak kominy, otwory wentylacyjne i urządzenia HVAC, aby zwiększyć precyzję analizy w tych złożonych scenariuszach.

Ruchome źródła cienia

Dynamiczne zacienienie, takie jak to powodowane przez drzewa, dodaje kolejną warstwę trudności. Zmiany sezonowe mogą znacząco wpływać na wzorce zacienienia, co sprawia, że kluczowe jest uwzględnienie zmian w czasie.

Oto jak zarządzać ruchomymi źródłami cienia:

• Postępowanie szczegółowe badania terenu aby uchwycić sezonowe zmiany zacienienia.
• Użycie oprogramowanie do symulacji zacienienia do modelowania ruchów cienia przez cały rok.
• Regularnie aktualizuj modele analizy zaciemnienia, aby odzwierciedlały zmiany środowiskowe.

Kroki te pomagają w utrzymaniu dokładnych i aktualnych informacji o cieniowaniu projektów.

Równowaga między szybkością a szczegółowością

Równoważenie szybkości przetwarzania ze szczegółowością analizy jest częstym wyzwaniem w projektowaniu instalacji solarnych. Podczas gdy narzędzia do zdjęć lotniczych oferują szybką ocenę, mogą one pomijać drobniejsze szczegóły. Z drugiej strony, szczegółowe modelowanie 3D zapewnia większą dokładność, ale zajmuje więcej czasu.

Oto szybkie porównanie metod analizy:

Wybierz metodę, która jest zgodna z wymaganiami projektu, aby uzyskać najlepsze wyniki.

Podsumowanie

Zautomatyzowana analiza zacienienia zmieniła sposób projektowania systemów solarnych, oferując niezrównaną precyzję i szybkość. Według McKinsey & Company, połączenie sztucznej inteligencji z cyfryzacją zwiększa produktywność aktywów o około 20%, jednocześnie obniżając koszty konserwacji o 10%. Zyski te są możliwe dzięki postępowi technologicznemu:

Te wymierne korzyści torują drogę do systematycznego procesu adopcji.

Główne zalety

Przewodnik wdrażania

Aby w pełni wykorzystać zautomatyzowaną analizę zacienienia, wykonaj poniższe kroki w celu zintegrowania jej z procesem projektowania instalacji solarnych:

• Ocena bieżącego procesu: Identyfikacja obszarów w procesie projektowania, w których zautomatyzowane narzędzia mogą zwiększyć wydajność i udostępnianie danych.
• Wybór odpowiednich narzędzi: Wybierz oprogramowanie z solidnymi możliwościami analizy odcieni i skalowalnością. Niektóre wiodące platformy obsługują ponad 1,6 miliona analiz, co dowodzi ich niezawodności.
• Szkolenie zespołu: Wyposaż swój zespół w umiejętności potrzebne do maksymalnego wykorzystania tych narzędzi. Na przykład zespół projektowy Iberica Solar tworzy teraz wiele iteracji układu w ciągu zaledwie jednego dnia - wyczyn, który wcześniej był niemożliwy przy użyciu metod ręcznych.

"RatedPower zwiększył liczbę ofert, które mogliśmy przygotować i złożyć o około 50%", mówi Stefano Papale, Global Head of Business Development w FATA. Podkreśla to rzeczywisty wpływ skutecznego wdrożenia zautomatyzowanej analizy odcieni.

Powiązane posty na blogu

• 5 sposobów, w jakie sztuczna inteligencja usprawnia projektowanie paneli słonecznych
• Jak stworzyć profesjonalną ofertę solarną w 30 minut?
• Lista kontrolna zarządzania projektem solarnym: Od pomysłu do instalacji
• Najczęściej zadawane pytania dotyczące projektów solarnych: Odpowiedzi dla nowych kierowników projektów