Модель с использованием искусственного интеллекта (ИИ) для повышения эффективности работы электростанций, преобразующих солнечную энергию в электрическую, разработала международная команда ученых, 27 марта сообщает пресс-служба Южно-Уральского государственного университета (ЮУрГУ).

Исследование модели разработчики провели на примере работы реальной электростанции, на которой были внедрены новые методы. Результаты исследования эффективности модели ученые представили в статье «Влияние погоды на производительность солнечной фермы: сравнительный анализ методов машинного обучения», опубликованной в журнале Sustainability (Q1).

В команду исследователей вошли ученые из университета Паханга (Малайзия), университета Реджепа Тайипа Эрдогана (Турция) и ЮУрГУ (Россия).

Выработка электроэнергии на электростанциях, работающих на возобновляемых источниках энергии, в отличие от тепловых и атомных электростанций, зависит от непостоянного характера поступления первичной энергии. Для солнечных электростанций это солнечное излучение, зависящее от времени года и погодных условий, для ветряных — скорость ветра. Всё это затрудняет прогноз выработки электроэнергии в условиях изменения параметров окружающей среды.

Профессор кафедры электрических станций, сетей и систем электроснабжения ЮУрГУ, д. т. н. Ирина Кирпичникова пояснила суть этой проблемы для солнечных электростанций:

«Непостоянство поступления энергии сказывается на генерации и производительности электростанций. Известно, например, что повышение температуры окружающей среды всего на 1 градус снижает генерацию энергии на 0,5%. В масштабах крупных солнечных электростанций это достаточно серьезная проблема. Этому вопросу посвящено много исследований, но большинство из них просто показывают проблему».

Командой ученых на основе искусственного интеллекта была разработана модель прогнозирования годовой выработки электроэнергии, учитывающая климатические факторы, и определены коэффициенты производительности для действующих электростанций.

При разработке модели были применены три метода искусственного интеллекта на основе данных. А именно: адаптивная нейро-нечеткая система вывода данных (ANFIS), методология поверхности отклика (RSM) и искусственная нейронная сеть (ANN).

«Совместное исследование проходило дистанционно, результаты были получены на основе обработки трехлетних данных действующей солнечной фотоэлектрической станции мощностью 2 МВт в Кужалманнаме, штат Керала (Индия), где жаркий климат и муссонные дожди. Натурные испытания проходили в Малайзии с участием аспирантов под руководством доктора Судхакара Кумарасами», — рассказала Ирина Кирпичникова.

Полученные с помощью модели прогнозы показали, что из трех методов адаптивная нейро-нечеткая система вывода являлась самой точной моделью для прогнозирования коэффициента производительности солнечных электростанций.

Эта модель, считают ученые, поможет в работе специалистам в области солнечной энергетики, исследователям и разработчикам солнечных энергоустановок. Кроме того, точный прогноз солнечной генерации станет важной и полезной информацией для диспетчеризации нагрузки и планирования привлечения мощности из других источников или других электроэнергетических компаний.

В планах коллектива проведение аналогичных исследований для холодных регионов планеты, в том числе для севера России.