261
機器人
人工智能在光伏產業中的應用
點擊播放
GIF/18K
人工智能是最近幾年紅遍各行業的標簽，無論手機上越來越複合我們口味的文章推送，電視裏Alpha Go與柯潔和李世石的高妙對決，還是無人駕駛汽車的快速發展，都讓人們驚異人工智能技術的突飛勐進，也不得不開始討論究竟哪些職位會被人工智能所取代。
由於人工智能涵蓋的內容十分寬泛，所以難以避免的存在一些誤用和濫用，而厘清這一問題的最好方法就是不去談寬泛的人工智能而是聚焦到這一技術的具體應用場景。下麵我們就向大家分享一些近期人工智能技術在光伏行業的應用，與大家一起探討其中人工智能技術究竟在數據的采集、分析和應用方麵對光伏行業帶來了怎樣的變化。
電池和組件
機器視覺是人工智能一個重要的應用場景，基於機器視覺的識別和分類技術在各行業的自動化生產線中都有廣泛應用。對光伏行業來說，基於光致發光（PL）和電致發光（EL）的檢測設備可以提供肉眼難以發現的矽片潛在的問題，可以在矽片完成電池的生產前對其進行篩選或者分類。其中各種缺陷或者隱裂等可能影響成品電池性能的問題都會在PL和EL的檢測結果圖片中顯示出來，雖然技術人員可以通過圖像識別出問題，但如果廠家對在線檢測設備或者大批量數據的處理有需求，機器識別技術提供的分類和篩選方案就成了這一問題的理想解決方案。通過將人工智能技術集成在光電檢測設備中，我們就可以將原本智能做人工檢測的設備變為可以用在流水線上的在線檢測設備。
除了電池的生產方麵，隨著光伏產品向精細化發展，組件也變得越來越智能，數據采集的功能甚至越過逆變器延伸至組件優化器的層麵，大量的數據配合人工智能的算法將幫助業主更好的管理自己的光伏電站。
平衡係統
除電池和組件的生產過程中外，光伏係統的平衡係統中也有很多人工智能有潛力或者已經在發回作用的場景。最大功率點追蹤（MPPT）算法是逆變器提供的保持係統發電效率的功能之一，目前逆變器的MPPT算法主要有擾動法等，但學界一直在研究使用人工智能算法優化MPPT的效果，降低因尋找最大功率點帶來的發電波動。此外，跟蹤支架公司NEXTracker也在今年推出了據稱是業內首款的智能自適應跟蹤控製係統TrueCapture，與根據時間和設定值進行調整的跟蹤支架不同，這一係統可以通過機器學習算法根據實時的光照情況自動調整支架到最佳的工作角度，從而增加跟蹤支架在複雜地貌和多雲天氣時的發電量，同時降低安裝和部署時間。
銷售
除了生產之外，人們也在光伏產業鏈上的其位置尋找人工智能技術的應用場景。美國的一家創業公司PowerScout試圖使用人工智能技術幫助分布式光伏安裝商提高銷售。公司的首席執行官Attila Toth 曾表示“目前太陽能的銷售與上世紀60年代上門推銷吸塵器沒有什麼區別，安裝商花費在市場推廣上的成本可能比購買光伏組件還要多。零售、交通和金融領域都在經曆著激動人心的技術變革，我們也希望將這一技術引入戶用光伏市場的銷售中來。”而這裏提到的技術就是依托大數據的精準營銷，一方麵通過分析潛在用戶的屋頂和日照數據，針對屋頂與光照資源匹配好的住戶進行營銷，提高轉化率。另一方麵對感興趣的客戶使用算法即時給出的預評估報告，減少技術人員外勤次數，降低成本。
另一家類似的公司是Faraday，該公司同樣采用機器學習的方法識別潛在的光伏客戶，Faraday與PowerScout均獲得了來自美國能源局SunShot計劃的資助。
融資
另一個家公司則試圖從融資的角度降低光伏係統的成本。通過監控並分析70000多個光伏係統的發電數據，美國的kWh Analytics公司麵向光伏項目投資商推出了HelioStats和Kudos兩款產品。其中HelioStats是麵向投資商的風險管理平台，通過數據整合和分析向投資者智能推薦電站建設和投資的機會，其客戶包括Google（目前全球最大的可再生能源投資商之一）和PNC銀行。而另一款產品Kudos則是與保險與保險公司合作推出光伏發電量擔保。通過這一擔保，光伏係統的投資風險將會得到降低，而作為風險指標的項目融資利率也會相應降低，從而降低整個係統的度電成本。目前kWh Analytics已經與怡和保險經紀有限公司（JLT Re）達成戰略合作協議將共同推出這一產品。kWh Analytics的首席執行官Richard Matsui表示：“我們十分高興將保險業與光伏資產進行了綁定，Kudos可以擔保高達95%的發電量，這可以幫助業主節約資金成本。”怡和方麵則表示kWh Analytics的工作讓原本難以估計的不去定性變為可以評估的風險，而後續對風險的定價也就水到渠成。
電站
在電站項目的評估，建設，並網，運維和出售全生命周期中，以人工智能技術為核心的發電量計算都是重中之重。在項目建設初期可以使用人工智能技術對曆史日照數據進行分析，對未來日照資源進行預估。其次在項目設計建設階段，研究人員也已經開發出了基於人工智能的係統設計和選型方法，包括離網係統儲能容量和光伏裝機的匹配。項目建成後，人工智能方法還能幫助電站的運營和維護，比如澳大利亞Renewable Energy Laboratory公司開發的PVMaster平台，就可以通過人工智能方法根據氣象數據計算光伏係統理論發電量，通過監控的發電數據與理論值的對比評估電站安裝質量，同時在運營中及時發現電站運行問題並給出可能的故障診斷。
光伏電站的發電量預測也是機器學習技術在光伏行業的傳統應用場景。電網需要將電力的供給和需求進行匹配，這對發電量可以方便調控的傳統化石能源發電和水電站來說都不是難題。但對於光伏和風電這樣的可再生能源來說，電力的調度則變得困難，取而代之的是發電量的預測。當電網擁有了可再生能源部分的發電預測後，就可以對其他發電方式進行調節，從而實現供給和負載的協調，不過這仍然增加了調度的難度。此外，考慮到光伏發電預測不準確的情況，為保證應對可能突發的發電波動，就需要一定冗餘的傳統發電裝機保持待機運行，而這也進一步提高了傳統化石能源發電裝機的占比。因此，如果使用人工智能技術進一步提高發電預測的準確性，首先可以提高電網的穩定性和安全性，其次也可以一定程度上減少冗餘裝機，進一步提高可再生能源可上網的占比。
除了上麵介紹的這些，還有許多使用人工智能技術在光伏行業解決問題的實例，比如智能電網和智能家居能源管理。Google，微軟和IBM這樣的人工智能巨頭都對這一領域虎視耽。隨著人工智能技術的發展，算法的進步和硬件算力的提高，相信人工智能將成為幫助進一步降低光伏發電的成本，提高其在所有發電方式中的占比。
最後更新：2017-10-26 11:18:59