For virksomheder, der udvikler invertere og anden effektelektronik til solcelleanlæg, kan det derfor være en omfattende opgave at undersøge, hvordan udstyret reagerer på mange års skiftende vejrforhold.
Det vil forskere fra Centre for Industrial Electronics på Syddansk Universitet nu gøre lettere.
Med en bevilling på 336.000 kroner fra EMD Fonden skal adjunkt Mohammed Ali Khan udvikle en metode, der udvælger de mest repræsentative dele af store datasæt. Målet er at omsætte flere års vejr- og driftsdata til et mindre og mere repræsentativt datasæt, som kan føres ind i eksisterende test og samtidig afspejle de belastninger, udstyret møder gennem sin levetid.
– Når vi arbejder med kunstig intelligens og maskinlæring, spiller data en afgørende rolle. Store datamængder kræver samtidig meget regnekraft og kan gøre testarbejdet langvarigt. Vi vil finde de datapunkter, der indeholder den mest værdifulde information, så virksomheder kan teste deres udstyr hurtigere og mere effektivt, siger Mohammed Ali Khan.
Få døgn skal repræsentere en hel måned
Projektet har fået navnet PRISM-Solar og løber i et år. Det samlede budget er på 374.000 kroner inklusive medfinansiering.
Forskerne vil blandt andet analysere data om solindstråling, temperatur, luftfugtighed og andre vejrforhold, der påvirker energiproduktionen og belastningen af et solcelleanlæg.
I stedet for at gennemgå samtlige målinger fra en hel måned skal metoden udpege nogle få døgn, der tilsammen repræsenterer månedens forskellige forhold. Det kan eksempelvis være en solrig dag, en overskyet dag og en dag med meget omskifteligt vejr.
Det samme princip skal anvendes på årets øvrige måneder. En typisk januardag ser meget anderledes ud end en typisk julidag, og derfor skal modellen bevare de variationer, der har betydning for udstyrets ydeevne og nedbrydning.
– Vi skal finde den rette balance. Datasættet skal være så kompakt som muligt og samtidig bevare den nødvendige præcision. Hvis det lykkes, kan virksomheder bruge væsentligt mindre tid på at undersøge, hvordan deres udstyr vil fungere under forskellige driftsforhold, siger Mohammed Ali Khan.
Hurtigere vej fra udvikling til marked
Solcellepanelerne producerer jævnstrøm, mens elnettet bruger vekselstrøm. En inverter omdanner strømmen og er derfor en central del af et solcelleanlæg.
Når en ny inverter eller en anden effektelektronisk komponent udvikles, skal producenten undersøge, hvordan teknologien præsterer og nedbrydes under skiftende belastninger. Selv accelererede levetidstest kan strække sig over flere måneder.
Et mindre og repræsentativt datasæt kan få de eksisterende test til at gå hurtigere og samtidig spare energi og regnekraft. Det kan også give virksomhederne et bedre grundlag for at vurdere udstyrets effektivitet, levetid og økonomiske potentiale.
– Perspektivet er, at virksomheder kan teste deres løsninger hurtigere og dermed forkorte vejen fra udvikling til marked. Metoden kan også bruges til at sammenligne forskellige teknologier og vurdere, hvordan de klarer sig under lokale vejrforhold, siger Mohammed Ali Khan.
Data fra Sønderborg skal give en lokal testprofil
Ved projektets afslutning er ambitionen at have udviklet et fleksibelt digitalt værktøj.
Her skal brugerne kunne indlæse flere års data fra et bestemt geografisk område og få genereret et kortere sæt repræsentative driftsprofiler. Data fra Sønderborg vil eksempelvis give én profil, mens data fra København eller et område i Sydeuropa kan give en anden.
På den måde kan virksomheder afprøve deres teknologi i forhold til de konkrete forhold, den skal fungere under.
Metoden udvikles i første omgang til solenergi, men princippet kan på længere sigt også anvendes inden for blandt andet vindenergi og elektriske motorer.
CIE styrker sin satsning på kunstig intelligens
PRISM-Solar er samtidig en del af en større udvikling på Centre for Industrial Electronics. Centret har gennem mange år opbygget stærke kompetencer inden for effektelektronik og energisystemer og arbejder nu strategisk på at kombinere disse områder med kunstig intelligens.
Det sker gennem forskningsområdet Intelligence for Dependable Power Engineering. CIE udvikler også nye undervisningsaktiviteter inden for kunstig intelligens til effektelektronik og elkraftteknik.
