Солнечная энергия становится всё более важной частью энергосистемы, но у неё остаётся серьёзный недостаток — сильная зависимость от погоды. Даже небольшое облако, на мгновение закрывшее солнце, может за секунды снизить мощность солнечного модуля на десятки или сотни ватт. Когда таких станций много, резкие колебания усложняют работу операторов сети, которым нужно постоянно балансировать производство и потребление.
Исследователи Каунасского технологического университета (KTU) под руководством профессора Ритиса Маскелюнаса (Rytis Maskeliūnas) предложили решение — систему искусственного интеллекта под названием ShadowSense. Она учится, одновременно наблюдая за небом и фиксируя изменения мощности солнечного модуля.
Как работает система
Большинство методов компьютерного зрения требуют больших объёмов вручную размеченных данных: на снимках нужно отмечать облака, тени и другие объекты. Это долго, дорого и плохо переносится на новые места и условия.
ShadowSense подходит к задаче иначе. Система анализирует изображения неба, отслеживает движение облаков и связывает эти данные с реальными изменениями мощности солнечного модуля, которые записываются в тот же момент.
«Каждое резкое падение мощности становится своего рода подсказкой для системы. Она понимает, какие изменения в облачности могли его вызвать», — объясняет Маскелюнас.
ИИ учится не на размеченных картинках облаков, а на реальной связи между тем, как выглядит небо, и тем, как работает солнечная панель. Сначала система оценивает изображения неба и направление движения облаков, затем учитывает положение солнца и рассчитывает, как тени могут повлиять на модуль. Эти данные сопоставляются с предыдущими изменениями мощности, что позволяет предсказывать выработку на ближайшую минуту или несколько минут.
Испытания в реальных условиях
Экспериментальную установку разместили не в лаборатории, а на крыше жилого дома в Каунасе. Широкоугольная камера регулярно снимала небо, а солнечный модуль во дворе питал измерительную систему и компьютер с искусственным интеллектом.
За 92 дня наблюдений собрали более 122 тысяч синхронизированных записей — последовательности снимков неба и данные о мощности модуля.
Результаты показали, что ShadowSense предсказывает краткосрочные изменения мощности точнее традиционных методов. Средняя ошибка прогноза снизилась почти на треть, а систему удалось обнаружить более 92% резких падений мощности, связанных с тенями от облаков.
Один прогноз система рассчитывает примерно за 66 миллисекунд и тратит на это около 0,52 джоуля энергии. Это позволяет работать в реальном времени даже на маломощном компьютере — без мощных серверов и постоянного интернета.
Зачем это нужно
Краткосрочные прогнозы на несколько минут помогают эффективнее управлять системами накопления энергии, точнее планировать работу солнечных станций и снижать потребность в резервных мощностях. Даже предупреждение за несколько десятков секунд может оказаться важным, когда нужно быстро сбалансировать генерацию, хранение и потребление.
По мнению исследователей, такие технологии будут востребованы не только на отдельных станциях, но и в масштабах всей энергосистемы. По мере роста доли возобновляемых источников способность точно предсказывать их колебания в реальном времени становится всё критичнее.
«Будущие энергосистемы должны не только производить чистую энергию, но и уметь реагировать на окружающую среду. Технологии вроде ShadowSense позволяют солнечным станциям становиться умнее — они не просто генерируют электричество, но и учатся понимать, что происходит вокруг», — говорит Маскелюнас.
Работа опубликована в журнале IEEE Transactions on Sustainable Energy.
