Vědci vyvinuli novou metodu, která využívá živé video k detekci stínů na solárních panelech. Využívá techniky počítačového vidění, jako je gama transformace a párování histogramů. Což vede k výkonu, který je údajně lepší než konvenční techniky, zejména ve velkých polích.
Výzkumný tým v Číně vyvinul novou metodu detekce stínů v reálném čase pro fotovoltaické moduly. K tomuto úkolu využívá počítačové vidění s technikami, které vylepšují informace živého vysílání k identifikaci stínu v měnících se světelných podmínkách.
„Tato metoda má významnou referenční hodnotu pro stínové monitorování velkých FV panelů. Poskytuje nové technické prostředky pro inteligentní a přesný provoz a údržbu fotovoltaických systémů,“ uvedli vědci. ,,Věříme, že tato práce může potenciálně monitorovat stín fotovoltaických polí v reálném čase. A těšíme se na další výzkum, abychom jej rozšířili na další aplikační scénáře.“
Nová metoda počínaje živým videem analyzuje každý snímek, nejprve extrahováním plochy FV modulu. K vyřešení problému kolísání osvětlení pak tato technika používá gama transformaci. Což je metoda počítačového vidění založená na algoritmu, který opravuje jas obrazu bez jakýchkoli odkazů.
V dalším kroku se kontrast obrazu zvýší pomocí histogramu. Což je další technika počítačového vidění, která zesvětlí obraz pohledem na histogram referenčního obrazu. Poté pomocí dělení na úrovni šedi segmentuje zastíněnou část FV modulů, ze kterých se získá skutečný výstup stínění.
Detekce stínů v reálném čase ve FV systémech
,,Aby bylo možné lépe simulovat skutečné pracovní prostředí, byl ověřovací experiment v tomto dokumentu navržen jako kamera s pevnou polohou s prostředím kolem FV modulu,“ uvedla skupina. „Zařízení pro snímání obrazu se skládá z mechanického držáku, kamery se snímkovou frekvencí 30 FPS a nastavovacího zařízení. FV modul se skládá z 36 solárních článků o rozměrech 220 mm x 770 mm, uspořádaných do 4 sloupců a 9 řad, nalepených na bílou zadní desku a pokrytých tvrzeným sklem.“
Experimentální zařízení bylo umístěno v Harbinu v Číně po celý srpen 2023 a zachytilo 90 videí po jedné hodině. Celkem se pořídilo 4 815 minut videa, které představovalo různé světelné podmínky a úrovně okluze. Přibližně polovina zaznamenaného času se využila k analýze a trénování modelu. Zatímco zbytek se použil k jeho testování. Porovnával se taky se čtyřmi dalšími modely detekce stínů. Jmenovitě s detekcí hran Canny, víceúrovňovým prahováním, náhodným lesem a konvoluční neuronovou sítí (CNN).
Nové technické prostředky pro inteligentní a přesný provoz a údržbu FV systémů
„Průměrná přesnost rozpoznávání (ACC) této metody je ověřena testovací sadou na 0,98. Což je vyšší hodnota než u stávající metody rozpoznávání hran Canny,“ ukazují výsledky. „Hodnoty F0,5 a F2 metody jsou 0,87 a 0,85, což jsou dobré z hlediska přesnosti a vybavitelnosti. Kromě toho je průměrný čas, který metoda vyžaduje ke zpracování snímku, 0,721 s, což má dobrý výkon v reálném čase.“
Pro kompresi měla Cannyho metoda ACC 0,95, F0,5 0,76 a F2 0,79 a dobu zpracování snímku 0,684 s. Víceúrovňové prahování se provádělo s ACC 0,94, F0,5 0,75 a F2 0,77 a dobou zpracování snímků 0,934 s, zatímco náhodná doménová struktura měla ACC 0,89, F0,5 0,31 a F2 0,35 a zpracování snímků čas 1,067 s. Nakonec CNN měla ACC 0,82, F0,5 0,38 a F2 0,62 a dobu zpracování rámce 0,603 s.
Jejich zjištění se prezentovala v dokumentu „Detekce stínu fotovoltaického modulu v reálném čase pomocí počítačového vidění na základě histogramového porovnávání a metody gama transformace“, publikované ve Scientific Reports. Výzkumný tým zahrnoval akademiky z Čínské severovýchodní zemědělské univerzity a univerzity v Shenzhenu.
Zdroj: pv-magazine, Vapol