工研院
NVIDIA
 

盛齊AI診斷 鋼鐵廠太陽能發電量可增加16%

盛齊AI診斷 鋼鐵廠太陽能發電量可增加16%

位於台南的鋼鐵廠斥資上億興建了3MW太陽能系統,卻飽受發電量低落的困擾。盛齊綠能透過AI太陽能健康診斷系統幫該電廠進行整改,讓人工智慧和數據科學的概念深度分析電廠行為,找出發電量低落的原因,並進行根本修復,成功發現該電廠可修復的串列發電量高達16%,預計每年可新增新台幣約280萬元收益。

此電廠為3年前完工併網的屋頂型太陽能系統,由於電廠面積大,太陽能模組在鋪排時會面臨不同角度、面向的問題,造成串列和串列之間發電量的差異,但最大的問題在於,同一面向的模組之間,發電量居然仍有巨大的差異。投資者無法透過傳統監控系統分析出問題原因,因為該電廠裝設了70台串列變流器,監控串數多達500串,無法一一判斷到底是傳輸斷線、日照、模組髒污、變流器運轉不佳,還是日照計安裝位置不正確所造成的影響。

投資者除了鋼鐵廠的電廠以外,每日需要監控十多個太陽能電廠的發電,但傳統監控系統若不經過精細推估和系統設定,趨近下午便會不斷發出效率降低的警告,加上只能監控基本電力參數,無法提供更精細電氣失效原因和預估模型,無效通知讓投資者不勝其擾。

但此電廠在採用盛齊AI太陽能健康診斷系統,並經過深度學習電廠過去一年發電行為表現後,分析出17種造成發電量下降的指標原因,包含:模組和變流器發電表現和數據傳輸整體性、電壓和頻率偏差、溫度係數和MPPT異常、斷線串列、變流器轉換效率不良、變流器故障或晚起床、環境感測器故障等因素。盛齊也協助排除數據雜訊,發現可修復串列高達475串。

盛齊使用人工智慧和數據科學的概念深度分析電廠行為,透過監控太陽能電廠各種電氣設備數據、技術規格、物理線路布局等,比對氣候資料和實際日照輻射量獨立變因交叉分析比對,達成太陽能電廠健康診斷案的效果。盛齊可清楚定位串列所屬單線圖和排鋪位置,清楚量化每串經修復後可回升之發電量和躉售金額,讓資產管理者可以針對發電量最差和發電量下降最嚴重的幾串太陽能模組進行修復,系統化安排解決電廠問題之時程。

鄭凱隆,資深技術經理表示,未來太陽能產業將面臨一陣電氣系統整改和換機潮,參雜複雜且混合原因而產生的發電量下降,電廠所有者和資產管理者無法迅速的通過查看監控系統本身來找到根本原因,盛齊除了推出AI太陽能健康診斷軟體工具外,也提供維運工程師到府進行點檢查修,深度分析增加發電效益及減低維運成本及時間。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 太陽能發電 人工智慧 屋頂太陽能