Как увеличить мощность солнечной батареи

Как увеличить мощность солнечной панели: разумные пределы технического совершенства

Солнечная электростанция представляет собой набор из нескольких панелей, последовательно соединенных между собой. Чем больше площадь их поверхности, тем выше мощность и КПД устройства, рассчитанного на выработку достаточного количества электрической энергии. Ее может хватить для электроснабжения дома или небольшой мастерской, а более мощных устройств – для продажи избытков электричества по специальному сниженному тарифу. Однако у владельца порой возникает идея увеличения мощности солнечных батарей. Это может быть связано с естественным износом панелей, подключением новых потребителей, увеличением объемов расхода электричества и прочими причинами. Независимо от факторов, побудивших принять такое решение, необходима тщательная теоретическая подготовка и только потом – попытка вмешательства в рабочую конструкцию.

Решение №1: подключение в систему новых панелей

Самым простым вариантом повышения мощности солнечного коллектора кажется подсоединение к системе новых блоков фотоэлементов. Владелец рассчитывает таким образом увеличить число «пойманных» лучей, что даст прирост КПД и мощности. Однако подобрать идентичные батареи будет непросто. А смешение в одном блоке разных устройств категорически не рекомендуется по целому ряду причин:

• Естественный износ приводит к постепенному уменьшению мощности. Назвать точный процент изменения невозможно, а теоретические расчеты часто оказываются приблизительными. Подключить в изношенную систему новые панели будет ошибочным решением: разность мощностей не даст ожидаемого эффекта роста. А избыточная нагрузка на устройство может привести к поломке системы, и вам придется снова покупать полный комплект оборудования и фотопанелей.
• Аналогичная ситуация состоит с попыткой увеличить напряжение вырабатываемого электрического тока. Оно определяется за счет последовательного подключения солнечных панелей. Стремление добавить в цепь новые батареи даст негативный результат. Старые и новые устройства будут производить ток разной величины, но общая характеристика будет равна наименьшему из полученных значений. Таким образом, расходы на покупку новых панелей не оправдают себя, и система будет иметь прежний невысокий уровень мощности и напряжения тока.
• Подключение в «старую» сеть новых панелей вызовет еще один негативный эффект. Разница напряжений даст смещение точки мощности солнечной батареи в сторону большего или меньшего показателя. При этом либо новые панели будут работать на пониженных показателях, либо старые устройства будут быстро изнашиваться из-за перегрузки. И расходы на покупку дополнительных батарей будут напрасными.
• Наличие в сети контроллера осложняет задачу подключения новых панелей. В этом случае устройство не сможет определить точку максимальной мощности, и его работа будет существенно затруднена. А неисправность контроллера немедленно скажется на параметрах всей системы.

Ситуация кажется безвыходной. Однако решение для нее предлагает использование аккумуляторной батареи в качестве точки соединения. Надо соединить старые и новые панели на стороне аккумулятора через новый контроллер. Так зарядка аккумулятора будет осуществляться одновременно через старый и новый контроллеры.

Такое раздельное подключение имеет свои достоинства. Старые панели не смогут оказать негативного влияния на параметры новых устройств. А новые батареи будут работать с максимальной мощностью и КПД, повышая рабочие характеристики всей системы. Такое решение позволяет комбинировать сразу несколько батарей с разными параметрами при условии, что контроллер рассчитан на одинаковое напряжение на аккумуляторе. Показатели полученного электрического тока будут равны сумме параметров всех подключенных элементов, что даст ожидаемый прирост количества электроэнергии и мощности солнечных панелей.

Обратите внимание: в стремлении всеми способами увеличить уровень напряжения в автономной сети нужно не забывать, что суммарный ток не должен превышать уровень заряда для аккумуляторной батареи. Поэтому специалисты рекомендуют не ограничивать оптимизацию системы одной лишь покупкой нового комплекта солнечных батарей, а дополнительно приобрести новый аккумулятор с повышенной емкостью.

Как увеличить мощность солнечной панели в сети без аккумулятора

Если внесение конструктивных изменений в систему не представляется возможным, а проблема увеличения мощности панели остается насущной, попробуйте реализовать на практике один из следующих способов:

• Применение поворотного механизма. Специальные трекеры обладают способностью поворачивать систему навстречу солнечному свету. Приближение угла падения к отметке 90 градусов резко увеличивает КПД батарей. Это эффективный, но затратный способ, требующих крупных расходов на покупку трекера.
• В вечерние и утренние часы, когда количество солнечных лучей незначительно, рекомендуется использовать систему зеркал. Гладкая поверхность будет отражать свет и перенаправлять его на фотоэлементы. Решение отличается ценовой доступностью и гарантирует достижение ощутимого эффекта.
• Использование линзы Френеля для концентрации света. Важное условие – линза должна быть больше площади фотоэлементов. Дополнительная ориентация стекла на солнце в два раза повысит КПД системы.
• Применение полимерной пленки, повышающей КПД солнечных панелей сразу на 10%. Ее поверхность работает по принципу линзы, аккумулируя солнечные лучи. Благодаря пленке можно не только повысить мощность панелей, но и обновить изношенные элементы, вернув им первоначальную работоспособность.

Все предложенные варианты прошли проверку временем и доказали свою эффективность. Поэтому их можно внедрять в жизнь без опасений за качество работы панелей.

Похожие публикации:

• Солнечная энергетика захватывает новые стихии
• Красота в деталях: солнечные батареи для клавиатуры и ноутбуков
• Раз, два, три….расчет произвели…
• 5 солнечных автомобилей

Вам нужно войти, чтобы оставить комментарий.

Легкое масштабирование солнечных электростанций от Компании АЛЬТЭКО

Инве́ртор — это устройство для преобразования постоянного тока в переменный с изменением величины напряжения.

Приобретая сетевую солнечную электростанцию у нашей компании. Вы получаете уникальную возможность её легкого масштабирования и расширения!

При покупке солнечной электростанции, важен вопрос первоначальных капиталовложений. Средняя цена за установленный кВт мощности составляет около 60.000 рублей. И не все сразу готовы вложить данную сумму, если необходима большая мощность. Но приобретая солнечную электростанцию в нашей компании, вы получаете уникальную возможность ее постепенного масштабирования и увеличения.

• Постепенное добавление солнечных модулей и сетевых инверторов.

• Полная мощность инвертора и постепенное добавление солнечных модулей.

• А теперь тот вариант, который предлагает наша компания, практически единственная в России. Бесплатная замена инвертора на более мощный и добавление солнечных модулей.

Данное предложение актуально для всех сетевых солнечных электростанций, предлагаемых нашей компанией от 1 кВт. То есть, вы можете установить 1 кВт сетевую солнечную электростанцию и легко превратить ее в 3-5-6. и так далее, просто заменив инвертор на более мощный и докупив необходимое количество солнечных модулей!

Мы стараемся сделать, чтобы приобретение сетевой солнечной электростанции в нашей стране было максимально выгодно и легко. Обращайтесь к нам за консультацией, получением точных расчетов и становитесь обладателем своей собственной солнечной электростанции!

Как увеличить мощность солнечной энергосистемы

Солнечная батарея состоит из нескольких солнечных панелей. Можно ли в одной солнечной батарее использовать разные солнечные панели? Можно ли коммутировать разные солнечные модули вместе в последовательные или параллельные цепочки для увеличения мощности солнечной энергосистемы? Можно ли сочетать солнечные модули разных типов или все модули в солнечной батарее должны быть одинаковыми?

Ответим на все вопросы в этой статье.

Если у вас уже есть солнечная электростанция, то вы уже наверняка уменьшили ваши счета за электричество, или вообще не провели электрические сети до своего дома. Наступает момент, когда вы хотите добавить еще мощности в вашу солнечную энергосистему — может быть для того, чтобы экономить еще больше, а может быть, у вас появился электромобиль и теперь нужно больше солнечных панелей, чтобы заряжать его бесплатной электроэнергией. А может быть вы просто изначально хотели попробовать, как работают солнечные батареи и есть ли от них польза в России, и теперь, увидев их эффективность, хотите закрепить успех и увеличить мощность солнечной электростанции.

Теоретически, при выполнении определенных условий, разные панели можно соединять в одну солнечную батарею, но на практике, этого не рекомендуется делать.

Есть несколько причин, по которым разные солнечные панелей не нужно смешивать в одной солнечной батарее:

• Выходная мощности солнечной энергосистемы изменяется с течением времени. Если у вас в солнечной батарее есть панели, которые уже проработали несколько лет, то их выходная мощность уже наверняка немного деградировала и они не выдают те параметры, которые заявлены в их спецификациях. Поэтому на практике невозможно подобрать одинаковые панели по информации на их шильдике или спецификациям, даже если по документам основные параметры (токи и напряжения в точке максимальной мощности, напряжения холостого хода и токи короткого замыкания) практически совпадают. Новые панели не будут точно совпадать со старыми, уже частично деградировавшими, панелями;
• Напряжение солнечных панелей складывается при последовательном соединении. Чтобы общее напряжение цепочки не изменилось, к каждой цепочке из «старых» солнечных панелей нужно последовательно добавить одинаковое количество «новых» солнечных панелей. Недостатком такого варианта является то, что разные панели в цепочке будут производить разный ток, и общий ток будет равен току панели с наименьшим током. Поэтому, если вы добавите в цепочку панели, которые могут производить ток больше, чем уже имеющиеся в цепочке модули, то вы потеряете разницу в мощности между новыми и худшим из старых модулей.
• Ток солнечный панелей складывается при параллельном соединении. Допустим, вы добавляете к существующим цепочкам солнечных панелей еще одну, полностью состоящую из новых солнечных панелей. В то время как каждая из цепочек будет производить максимально возможный ток, разница в напряжениях разных цепочек становится проблемой. Если цепочка с новыми солнечными панелями имеет в точке максимальной мощности напряжение больше, чем цепочка из старых панелей, то 2 параллельных цепочки будут работать при каком-то одном, неоптимальном для обеих цепочек, напряжении. Рабочая точка может сместиться как в сторону большего, так и меньшего напряжения от точки максимальной мощности цепочки. Вы и в этом случае переплатите за мощность солнечных панелей, которую вы никогда не получите.
• Если вы используете MPPT контроллер , использование различных солнечных панелей будет иметь отрицательные последствия на всю систему. Разные модули не позволяют контроллеру точно определить положение точки максимальной мощности, т.к. она разная для разных цепочек солнечных панелей.

Так что же делать, когда нужно добавить новые солнечные панели к существующей солнечной батарее?

Ответ на самом деле очень простой. В любой солнечной энергосистеме с аккумуляторами одна из известных констант — это напряжение на аккумуляторной батарее. Лучшим методом скомбинировать старые и новые солнечные панели — это соединить их на стороне аккумуляторной батареи. Единственный способ этого добиться — соединить новые солнечные панели с аккумулятором через отдельный солнечный контроллер.

С отдельным солнечным контроллером цепочка из новых солнечных панелей становиться отдельной частью общей солнечной батареи, на которую старые панели не могут повлиять. Каждый солнечный контроллер будет обеспечивать работу своей части солнечной батареи («старой» и «новой») в оптимальной точке с максимальной мощностью. При таком подходе вы можете комбинировать 2 или больше источников энергии с разными параметрами — главное, чтобы контроллеры все были рассчитаны на одинаковое напряжение на аккумуляторе. Аккумуляторы при этом могут быть как современными, так и не очень современными (например, как в американской тюрьме Алькатрас, которая также питается от энергии солнца). Ток заряда при этом будет складываться.

При этом необходимо следить за тем, чтобы суммарный максимальный ток заряда от нескольких контроллеров не превысил допустимого зарядного тока для аккумуляторной батареи. Поэтому обычно увеличение мощности солнечной батареи производится одновременно с увеличением емкости аккумуляторной батареи. Но в этому случае возникает еще бо́льшая проблема — соединять параллельно или последовательно аккумуляторы разной емкости, напряжения и с разным износом нельзя. Тем более нельзя соединять в одну аккумуляторную батарею аккумуляторы разных типов.

Если статья была Вам полезна и Вы хотели бы ещё статей на подобные темы, напишите в комментарии, что интересует Вас больше и мы напишем об этом.

Поддержите проект Solar-News.ru на Patreon

Вступайте в наш телеграм-канал – @SolarNewsRu

Как выжать из солнечной батареи максимум с помощью обучения с подкреплением

Под катом вас ждёт чертёж установки, блок-схемы агента, работающего методом проб и ошибок, а также визуализации, видеоролики и, конечно, код. Материалом делимся к старту нашего флагманского курса по Data Science.

Агент-критик Softmax оптимизирует выработку энергии в моделируемой по реальным данным меняющейся среде освещения.

О моделировании среды

Особенности среды, определяющие лучшее расположение панелей, то есть положение Солнца в любое время суток моделировать легко; труднее моделировать особенности конкретного места или панели. Изменения тени, например от деревьев, дефекты панелей, дрейф осей по мере деградации системы — всё это может сильно повлиять на выработку энергии.

Вместо моделирования, калибровки и обновления всех этих факторов для каждой двухосной солнечной установки это исследование скорее направлено на демонстрацию того, как использующий обучение с подкреплением (RL) агент может увеличить выработку энергии, не зная ни об одной из этих особенностей.

Системы управления и обучение с подкреплением

RL — сдвиг парадигмы моделирования и управления сложными системами. Разработчикам агента не нужно моделировать динамику управляемой системы или понимать, как управлять этой динамикой.

Наша задача — предельно увеличить выработку энергии панелью, то есть разместить панель так, чтобы за сутки с учётом изменения освещённости она вырабатывала как можно больше энергии.

Используя традиционные методы, мы выбрали бы подход к разработке, где пытаемся смоделировать все влияющие на выработку энергии особенности, и разработать логику управления с учётом каждой мелочи. В попытках достичь наилучшего поведения мы пробовали бы по-разному настраивать модели, а также по-разному управлять ими.

В случае RL разработчикам агента не нужно знать, как настраивать модель и управлять ею: мы просто определяем цель, и агент учится добиваться наилучшего решения.

ИИ постоянно взаимодействует со средой и получает награду. Исходя из награды, он обновляет вероятность выбора действий в текущем состоянии:

Зная это, поговорим о конкретной реализации RL в нашей задаче.

• Принципы обучения с подкреплением в подробностях.
• Полезные ресурсы об RL.

Реализация

Рассмотрим аппаратную часть системы, затем поговорим об алгоритмах и ПО..

Двухосная панель

Каждая ось управляется сервомотором, который поворачивается на 180°. На каждом временном отрезке через последовательный порт или порт USB панель передаёт агенту RL данные о положении сервомотора и вырабатываемой мощности. Посмотрите чертёж установки:

• Дизайн системы.
• Электрическая схема.
• Архитектура двухосной панели.

Взаимодействие агента со средой

На каждом шаге агент решает, как расположить сервомоторы, чтобы вырабатывать наибольшую энергию. Каждый сервомотор можно расположить в диапазоне от 0 до 180°, но используемые в проекте шестерёнки напечатаны на 3D-принтере и дают точность позиционирования только около 5°. Учитывая это, я индексирую 0–180° с шагом в 5°, то есть каждый сервомотор может иметь положения от 0 до 36.

Чтобы упростить структуру памяти агента, преобразуем двумерный индекс положения сервомотора: [36, 1] в одномерный индекс с плоским отображением, например [1333]. Так единственное число передаёт состояние обоих сервомоторов.

За сутки среда изменяется, поэтому агент отслеживает время суток как часть своего состояния. Настраиваемый шаг времени увеличивает или уменьшает дискретизацию состояний, изучаемых агентом.

Здесь шаг времени равен 24 для сопоставления с часами суток.

Чтобы достичь своей цели, агент запрашивает индексы положения сервомоторов, а затем учится на мощности в конкретных положениях в данное время суток.

Архитектура агента

В проекте агент использует алгоритм актор — критик Softmax с табличным представлением сетей актора и критика. Эту реализацию я выбрал после первых экспериментов с агентом Q-обучения с эпсилон-жадной политикой, которая затруднялась в изучении пространства действий, насчитывающего 1369 действий в любом состоянии.

Учитывая непрерывность задачи, уравнения обновления акторов и критиков вместо коэффициента дисконта и значения будущего состояния использует среднее значение.

Уравнение обновления актора агента. Подробности об этом упрощении градиента смотрите в RL Agent — Softmax Actor-Critic.

Во всех состояниях агент выбирает индекс будущего положения сервомотора, при этом один из индексов соответствует статичному положению. Когда агент принимает решение, среда меняет положение панели и возвращает вознаграждение — количество энергии, выработанной в новом состоянии, за вычетом энергии на вращение сервомоторов.

Вот так агент выбирает действие:

Измерения сетей акторов и критиков — [время суток, количество состояний, количество действий]. Здесь это [24, 1369, 1369]. Значения внутри сети акторов соответствуют не ожидаемой в каждом состоянии мощности, а скорее вероятности выбора действия. У критика тоже трёхмерная структура памяти, однако он изучает ожидаемую мощность от каждого действия в данном состоянии.

После разработки агента переходим к тренировочной среде, где агент учится решать задачу.

• О реализации агентов в этом проекте.

Генерация симуляции среды

Агенты RL учатся через исследование, а исследование требует времени. Обычно агента ориентируют в смоделированных средах, где шаг времени намного короче настоящего. Так можно быстро понять, подходит ли агент для задачи, и исследовать гиперпараметры.

Здесь не хочется моделировать всю основную динамику, влияющую на реальную выработку электроэнергии в данном месте и в данное время, поэтому с помощью двухосной панели смоделируем среду, просканировав освещённость батареи Солнцем:

Сбор данных о мощности по всем индексам сервомотора

Съёмка выше покадровая, не в реальном времени:

Преобразование в двумерный массив

Класс среды

Класс среды эмулирует реальную среду меняющегося освещения. Сдвиг массива каждые N шагов отражает движение Солнца. Каждые M шагов (дней) агент возвращается в исходное положение.

N и M равны 3600 и 86400: 3600 шагов модели — час реального времени; 86 400 шагов — это сутки:

Класс среды штрафует за энергозатраты на вращение сервомоторов.

Для проверки агента достаточно произвольно определить потребляемую сервомотором мощность на угол: за вращение сервомоторов агента хочется штрафовать, чтобы научить его балансировать между затратами энергии на вращение и статичным положением, не требующим тока.

Так, награда агенту от среды составляет:

Вот потребляемая сервомотором мощность:

Сигма — некоторая константа. Здесь она равна 0,0001 Вт на градус движения на двигатель.

• Подробности о среде и создании симуляций:

Результаты

Сначала я исследую гиперпараметры, изменяя температуру агента, размеры шагов актора и критика, а также средний размер шага вознаграждения от 1e-5 до 1e-0 с шагом x10. Это даёт 625 перестановок гиперпараметров агента.

Гиперпараметры я исследую на одном миллионе шагов и в конце симуляции оцениваю производительность по скользящему среднему количеству энергии. Исходя из этого исследования, лучшим признан этот набор гиперпараметров:

• temperature: 0.001
• actor_step_size: 1.0
• critic_step_size: 0.1
• avg_reward_step_size: 1.0

Чтобы осмыслить производительность нашей системы, моделируется один год её работы. Полученная энергия сравнивается с энергией, которая была бы выработана, если бы панель всегда была расположена идеально. Шаг симуляции равен одной секунде, поэтому нужно 365 * 86 400 = 31 536 000 шагов.

Запустив код, получим производительность агента:

За месяц агент каждый день вырабатывает более 90% максимума энергии без каких-либо моделей или участия человека для сбора данных и управления динамикой среды. Он продолжает учиться и повышать выработку энергии весь год, к его концу достигая 96% суточного предела.

Изучая поведение агента в начале симуляции, мы увидим, как при первом столкновении с каждым состоянием агент исследует множество действий, и спустя несколько часов сужает их выбор.

Вот первые 5 дней работы по часам:

Сравнивая мощность качения на первом миллионе шагов с последним миллионом шагов, увидим, как поведение агента сходится к оптимальному, в то же время он продолжает учиться.

Чтобы проверить производительность агента ещё раз, снова просканируем свет с тем же алгоритмом и гиперпараметрами агента. И теперь области высокой и низкой мощности выражены намного сильнее:

К концу года длиной в 31 536 000 шагов агент снова вырабатывает около 95% максимальной энергии:

Заключение

Агент-критик Softmax оптимизирует выработку энергии двухосной солнечной панелью без помощи распределения вероятности перехода или знаний предметной области. Работая с несколькими динамическими световыми средами в симуляции, которая имитировала год работы, агент добивается 95% от максимума.

Подобную задачу оптимизации теоретически можно решить традиционными методами, при помощи знаний предметной области, но они не обязательно масштабируются по мере увеличения количества панелей в установке: посмотрите динамику затенения между панелями. Традиционные методы также неприменимы к другим задачам, с которыми мы столкнёмся при переходе на возобновляемые источники энергии.

Я считаю, что RL позволяет решать больше задач оптимального управления сложными энергосистемами за меньшее время, меньшими усилиями и более подходящим образом, чем традиционные методы без применения ИИ.

Материалы проекта

• Подробную техническую информацию обо всех этапах проекта смотрите в разделе Project Overview.
• Код проекта хранится здесь.

Направления дальнейшей работы

Я не стану развивать это исследование, но вижу для него три многообещающих направления:

• Обновление Q-Network и сети политики до глубоких нейросетей. Избавившись от табличных представлений состояний и действий, агент приобретает гораздо большую универсальность и может быть легко адаптирован к управлению несколькими панелями.
• Управление несколькими панелями. Использовать базовый алгоритм агента для управления несколькими панелями, когда одни панели затеняются другими.
• Портирование агента на C/C++ для автономного онлайн-развёртывания. Хотя агент в нынешнем виде технически может работать как онлайн-агент, нужно, чтобы к Arduino был подключен ноутбук с Python. Портированный на C/C++ агент можно прошить на Arduino и запускать автономно, когда Arduino включена.

А мы поможем вам прокачать навыки или с самого начала освоить профессию, актуальную в любое время:

• Профессия Data Scientist
• Профессия Fullstack-разработчик на Python

Краткий список курсов и профессий

Data Science и Machine Learning

• Профессия Data Scientist
• Профессия Data Analyst
• Курс «Математика для Data Science»
• Курс «Математика и Machine Learning для Data Science»
• Курс по Data Engineering
• Курс «Machine Learning и Deep Learning»
• Курс по Machine Learning

Python, веб-разработка

• Профессия Fullstack-разработчик на Python
• Курс «Python для веб-разработки»
• Профессия Frontend-разработчик
• Профессия Веб-разработчик

Мобильная разработка

• Профессия iOS-разработчик
• Профессия Android-разработчик

Java и C#

• Профессия Java-разработчик
• Профессия QA-инженер на JAVA
• Профессия C#-разработчик
• Профессия Разработчик игр на Unity

От основ — в глубину

• Курс «Алгоритмы и структуры данных»
• Профессия C++ разработчик
• Профессия Этичный хакер

А также