أقوم بتشغيل مشاريع أمنية شمسية في مواقع نائية، وأعلم أن انسدادًا صغيرًا واحدًا يمكن أن يتحول بسرعة إلى مشكلة كبيرة في وقت التشغيل. يمكن للثلج أو الأوراق أو الأوساخ أن تقطع الطاقة بهدوء وتتسبب في انقطاع التيار.
نعم،, الذكاء الاصطناعي1 يمكنه تحديد انسداد الألواح الشمسية بالثلج أو الأوراق وتنبيه بشأنه بذكاء عند الجمع بين بيانات الطاقة وتحليل الصور و دمج المستشعرات2. يمكنه اكتشاف أنماط الشحن غير الطبيعية، وتأكيد الانسداد المرئي عندما يكون اللوح مرئيًا، وإرسال تنبيهات الصيانة قبل فشل النظام.
مراقبة الذكاء الاصطناعي لانسداد الألواح الشمسية
عادةً ما أتعامل مع هذا كطبقة تحذير عملية، وليس كميزة سحرية واحدة. أفضل إعداد يتحقق من الجانب الكهربائي والجانب المرئي. هذا ما يجعل التنبيه مفيدًا لمشاريع B2B الحقيقية، خاصة في أنظمة الطاقة الشمسية 4G خارج الشبكة3 حيث يمكن أن يؤدي الخطأ في مشكلة ما إلى توقف الموقع بأكمله.
جدول المحتويات
هل سيرسل التطبيق إشعارًا “يلزم الصيانة” إذا انخفض إنتاج اللوح بسبب عائق؟
لقد رأيت هذا يحدث في الميدان، والإجابة هي نعم إذا تم بناء التطبيق بالطريقة الصحيحة. المفتاح ليس مجرد مراقبة رقم واحد. أحتاج إلى أن يقوم النظام بمقارنة إنتاج الطاقة الشمسية ومستوى الضوء والوقت من اليوم قبل أن يقرر أن اللوح مسدود.
إذا انخفض خرج اللوح بشكل حاد بينما لا يزال المشهد يظهر ضوء شمس قوي، يجب أن يرسل التطبيق إشعارًا “يلزم الصيانة”. يمكن أن يعتمد هذا التنبيه على تيار شحن منخفض، أو منحنى طاقة مسطح طويل، أو فجوة كبيرة بين الإنتاج المتوقع والحقيقي. هذا أفضل بكثير من انتظار نفاد البطارية وانقطاع اتصال الكاميرا.
تنبيه شمسي يلزم الصيانة
عندما أقوم بتصميم هذا النوع من منطق التنبيه، أنظر إلى السلسلة بأكملها. لا ينبغي للتطبيق أن يطلق إنذارًا كاذبًا في صباح غائم. يجب أن يتحقق من بيانات MPPT4, ، حالة البطارية5, ، وضوء المشهد من الكاميرا. إذا اختلفت هذه الإشارات لفترة طويلة، أعتبر ذلك علامة قوية على الانسداد. أحب أيضًا سلم تنبيه بسيط. انخفاض طفيف يمكن أن يعني الغبار. انخفاض عميق ودائم يمكن أن يعني الثلج أو الأوراق أو أي غطاء كامل آخر. هذا يمنح المثبت مسار عمل واضح. بالنسبة لديفيد ميلر والمشترين التقنيين الآخرين، هذا مهم لأنه يقلل تكاليف التنقل بالشاحنات6. كما أنه يساعده على شرح لعملائه سبب قيام النظام بالتحذير مبكرًا بدلاً من انتظار حدوث عطل. في موقع عمل بعيد، يكون الإشعار المبكر ذا قيمة أكبر من لوحة معلومات فاخرة.
هل يحلل الخوارزمية منحنى الشحن للتمييز بين يوم غائم ولوح متسخ؟
أعتمد على تحليل منحنى الشحن7 لهذه المهمة لأنه يعطيني فكرة حقيقية عما يفعله اللوح الشمسي بمرور الوقت. يمكن أن يؤدي اللوح المتسخ واليوم الغائم إلى تقليل الإنتاج، لكنهما غالبًا لا يبدوان متشابهين في البيانات. عادةً ما يتسبب اليوم الغائم في تغييرات أكثر سلاسة. غالبًا ما يتسبب اللوح المتسخ أو المسدود في خط مسطح غريب، أو ذروة ضعيفة، أو انخفاضات حادة لا تتطابق مع مستوى الضوء.
يجب أن يراقب التطبيق منحنى الشحن على مدار اليوم، وليس في لحظة واحدة فقط. إذا ارتفع الضوء ولكن ظل طاقة الشحن ضعيفًا، فسأشتبه في وجود أوساخ أو ثلج أو أوراق. إذا تذبذبت الطاقة صعودًا وهبوطًا بنمط خشن، فسأتحقق من وجود ظل جزئي8 أو انسداد محلي. هذا يساعدني على تجنب الإنذارات الكاذبة ويمنح المستخدم سببًا أفضل للتنبيه.
ما أبحث عنه في المنحنى
| نمط | المعنى المحتمل | فعلي |
|---|---|---|
| انخفاض سلس مع انخفاض الضوء | طقس غائم | لا يوجد تنبيه عاجل |
| إنتاج منخفض مسطح مع مشهد مشرق | انسداد محتمل | إرسال تحذير |
| ارتفاعات وانخفاضات حادة | ظل جزئي أو أوراق | فحص منطقة اللوح الشمسي |
| إنتاج طويل قريب من الصفر في ضوء النهار | غطاء ثلجي أو انسداد كامل | إرسال إشعار صيانة |
تحليل منحنى الشحن للألواح الشمسية
أعتقد أيضًا أن التاريخ مهم جدًا. يوم واحد من الإنتاج المنخفض لا يكفي. أريد أن يقارن النظام المنحنى الحالي مع الأمس والأسبوع الماضي ونفس الموسم إن أمكن. هذا يجعل الحكم أقوى بكثير. على سبيل المثال، إذا كان اللوح يؤدي أداءً جيدًا دائمًا في الظهيرة في الطقس الصافي، وفي يوم ما ظل ضعيفًا فجأة بينما السماء مشرقة، فإن التطبيق لديه سبب وجيه لإطلاق الإنذار. في رأيي، أفضل خوارزمية بسيطة ولكنها دقيقة. يجب أن تستخدم عتبات ونوافذ زمنية وفحوصات الاتجاه. لا يجب أن تعتمد على قاعدة واحدة صارمة فقط. هكذا سأبني نظامًا لعميل يريد عملًا ميدانيًا مستقرًا وتقليل المكالمات الخدمية الخاطئة.
هل يمكنني رؤية “درجة صحة” لنظافة الألواح الشمسية الخاصة بي على لوحة القيادة؟
تعجبني هذه الفكرة لأن النتيجة البسيطة سهلة الفهم للمركبين والمستخدمين النهائيين. نتيجة النظافة تحول البيانات المعقدة إلى رقم واحد واضح. إذا كانت النتيجة عالية، فمن المحتمل أن يكون اللوح نظيفًا ويعمل بشكل جيد. إذا انخفضت النتيجة، أعرف أنني بحاجة إلى فحص اللوح أو التخطيط للخدمة.
في لوحة المعلومات، أرغب في أن تجمع هذه النتيجة بين عدة إشارات. سأستخدم كفاءة الشحن وظروف الإضاءة واستقرار الإنتاج وربما أدلة صور إذا كانت الكاميرا تستطيع رؤية اللوح. لن أستخدم عاملاً واحدًا بمفرده، لأن عاملاً واحدًا يمكن أن يكذب. على سبيل المثال، يمكن ليوم غائم أن يجعل اللوح يبدو ضعيفًا، لكن هذا لا يعني أن اللوح متسخ. يجب أن تكون نتيجة الصحة الجيدة ذكية بما يكفي للفصل بين الطقس ومشكلات النظافة الحقيقية.
نموذج لوحة معلومات بسيط
| نطاق النتيجة | المعنى | الإجراء المقترح |
|---|---|---|
| 90-100 | يبدو اللوح نظيفًا | لا إجراء |
| 70-89 | خسارة صغيرة | راقبه |
| 50-69 | أوساخ أو أوراق محتملة | خطط للتنظيف |
| أقل من 50 | خطر انسداد قوي | إرسال تنبيه خدمة |
أعتقد أيضًا أن النتيجة يجب أن تكون سهلة الشرح للعملاء. ديفيد ميلر لا يريد مخططًا غامضًا بلا معنى. يريد نتيجة تدعم العمل الميداني السريع. إذا أظهرت لوحة المعلومات 62، فيجب أن يعرف أن اللوح لم يفشل بعد، ولكنه يفقد قيمته. هذا يساعده على التخطيط لزيارة صيانة قبل فشل النظام في منتصف مشروع بعيد. سأضيف أيضًا سطر سبب قصير أسفل النتيجة، مثل “إنتاج منخفض مع ضوء قوي” أو “تم اكتشاف تغطية مرئية”. هذا يجعل الأداة أكثر فائدة. يعطي المستخدم إجابة سريعة، وليس مجرد رقم.
هل ستؤدي الكاميرا إلى اهتزاز “تنظيف ذاتي” (إذا كانت مجهزة) عند اكتشاف انسداد؟
أعتقد أن هذه فكرة ذكية للأنظمة الخاصة، ولكني أعتقد أيضًا أنها تحتاج إلى قواعد دقيقة. اهتزاز ذاتي التنظيف9 يمكن أن تساعد في التخلص من الغبار الخفيف أو الأوراق الصغيرة أو الثلج المتساقط. ولكن لا ينبغي تشغيلها كثيرًا. إذا عملت كثيرًا، فقد تهدر الطاقة أو تزعج مالك الموقع. لذلك سأقوم بتشغيلها فقط عندما تبدو الانسداد خفيفة ويكون لدى النظام طاقة بطارية كافية.
إذا اكتشفت الكاميرا أو نظام التحكم انسدادًا صغيرًا، فيمكنها إرسال أمر إلى وحدة الاهتزاز. يمكن أن يأتي هذا الأمر من منطق الذكاء الاصطناعي بعد فحص المشهد وبيانات الشحن. إذا كانت المشكلة ثلوجًا كثيفة أو كومة كبيرة من الأوراق، فقد لا يحل الاهتزاز وحده المشكلة. في هذه الحالة، يجب على النظام إرسال تنبيه صيانة بدلاً من ذلك. أرى هذا كاستجابة أولى تلقائية، وليس كحل كامل.
لوحة شمسية تعمل بالاهتزاز للتنظيف الذاتي
متى سأسمح بالتنظيف الذاتي
| الحالة | تشغيل الاهتزاز؟ | لماذا |
|---|---|---|
| غبار خفيف | نعم | خطر منخفض، قد يساعد في الاستعادة |
| غطاء أوراق صغير | نعم | قد تسقط الحطام المتساقط |
| ثلوج كثيفة | لا يوجد | حمل زائد، يحتاج إلى خدمة يدوية |
| البطارية منخفضة جدًا | لا يوجد | توفير الطاقة للعمل الأساسي |
| انسداد متكرر | لا يوجد | من الأفضل إرسال فني |
أحب أيضًا فكرة ربط هذه الوظيفة بمجموعة قواعد واضحة. يمكن للنظام التحقق أولاً من احتياطي البطارية، ثم تأكيد انخفاض الإنتاج، ثم النظر إلى المشهد المرئي، وفقط بعد ذلك تشغيل الاهتزاز. هذا يحافظ على ميزة آمنة ومفيدة. لـ مشاريع الكاميرات الشمسية عن بعد10, ، هذا مهم لأن الهدف هو البقاء متصلاً بالإنترنت بأقل قدر ممكن من العمل البشري. يمكن لميزة التنظيف الذاتي تقليل وقت التوقف عن العمل، لكنني سأبقي المراجعة البشرية ضمن الحلقة. بهذه الطريقة يظل النظام ذكيًا، ولكنه لا يتصرف بشكل أعمى.
الخاتمة
أعتقد أن الذكاء الاصطناعي يمكنه اكتشاف انسداد الثلج أو الأوراق بشكل جيد عندما يستخدم كلاً من البيانات الكهربائية والفحوصات المرئية. بالنسبة للمشاريع الشمسية عن بعد، يمكن لهذا النوع من التنبيه حماية وقت التشغيل وتقليل تكلفة الخدمة.
1. فهم كيفية تطبيق الذكاء الاصطناعي للكشف عن الأنماط والشذوذ في أداء الألواح الشمسية. ︎↩︎ 2. تعلم كيف يؤدي الجمع بين مصادر بيانات متعددة إلى تحسين دقة الكشف. ︎↩︎ 3. نظرة عامة على أنظمة الطاقة الشمسية خارج الشبكة مع اتصال 4G للمراقبة عن بعد. ︎↩︎ 4. تساعد بيانات تتبع نقطة الطاقة القصوى في تقييم كفاءة الألواح الشمسية في ظل ظروف متغيرة. ︎↩︎ 5. تعلم كيف تؤثر حالة شحن البطارية على تشغيل النظام وتنبيهات الصيانة. ︎↩︎ 6. شرح لزيارات الشاحنات وكيف تقلل الصيانة التنبؤية منها. ︎↩︎ 7. دليل مفصل حول تفسير منحنيات الشحن للتمييز بين الطقس والانسداد. ︎↩︎ 8. كيف يؤثر الظل الجزئي على إنتاج الألواح الشمسية وكيفية اكتشافه. ︎↩︎ 9. مقال حول تقنيات التنظيف الذاتي للألواح الشمسية، بما في ذلك طرق الاهتزاز. ︎↩︎ 10. نظرة عامة على الكاميرات عن بعد التي تعمل بالطاقة الشمسية وتحديات صيانتها. ︎↩︎