Un algorithme pour prédire les pertes de rendement au niveau des strings

Share

D’après pv magazine International

En Allemagne, des chercheurs du centre de recherches Forschungszentrum Jülich GmbH ont mis au point un algorithme récursif pour détecter et quantifier les performances insuffisantes dans les installations PV. Les scientifiques décrivent leur nouvel algorithme comme une alternative à l’analyse classique du rapport de performance, laquelle étudie la relation entre sortie d’énergie réelle et sortie d’énergie théorique dans une centrale PV. L’algorithme prend pour référence un string de système PV doté d’une sortie maximum.

« Les valeurs de sortie d’autres strings sont mises en regard de la valeur correspondante pour le string de référence, ce qui donne une quantité baptisée ratio récursif (self-referencing ratio, SR), ont expliqué les scientifiques. Nous comparons alors ce ratio au rapport de performance établi, dont le calcul nécessite des données d’irradiation solaire ».

Le groupe, qui décrit ses résultats dans l’article « Assessment of string performance using self-referencing method in comparison to performance ratio », récemment paru dans Progress in Photovoltaics, a testé cette nouvelle approche sur une centrale PV de 9 MW en Allemagne. L’installation, en fonctionnement depuis 2011, affiche des onduleurs triphasés déployés sur 1 719 séries de panneaux.

Les scientifiques ont étayé leurs résultats par une imagerie IR et une mesure de la tension, et conclu que l’algorithme pouvait prédire et recenser les pertes de rendement au niveau d’un string ou les strings aux performances insuffisantes, et ce sans données météorologiques supplémentaires. Selon eux, leur méthode récursive est en mesure d’identifier les écarts au niveau local dus à l’agencement de la centrale et au vieillissement des composants. Elle peut également servir à l’inspection des modules solaires, des strings, des dispositifs, des onduleurs et des transformateurs. « Les pertes qui dépassent la dégradation normale peuvent être estimées et servir de base pour prendre des décisions d’exploitation et de maintenance, ont ajouté les chercheurs. Nous pensons pouvoir obtenir d’autres avantages en appliquant la méthode récursive avec le machine learning et l’analyse d’images par exemple ».

Traduction assurée par Christelle Taureau.

Ce contenu est protégé par un copyright et vous ne pouvez pas le réutiliser sans permission. Si vous souhaitez collaborer avec nous et réutiliser notre contenu, merci de contacter notre équipe éditoriale à l’adresse suivante: editors@pv-magazine.com.

Popular content

L’action du développeur solaire résidentiel SunPower s’effondre de 70 %
23 juillet 2024 Le cours de l'action du développeur américain d'installations solaires en toiture, appartenant à 32 % à TotalEnergies, est passé sous la barre des 1 $...