Korzystając z tej strony, wyrażasz zgodę na Polityka prywatności.
Akceptuj
Polskie OZEPolskie OZEPolskie OZE
  • Fotowoltaika
  • Magazyn energii
  • Pompa ciepła
  • Energia wiatrowa
  • Wodór
  • Samochody elektryczne
  • Prawo i regulacje
  • Dofinansowanie
  • Ubezpieczenia
  • Mój kanał
    • Zainteresowania
    • Zakładki
    • Historia
    • Wyślij artykuł
    • Kontakt
    • Kalkulator OZE
Powiadomienie Pokaż więcej
Zmiana rozmiaru czcionkiAa
Zmiana rozmiaru czcionkiAa
Polskie OZEPolskie OZE
  • Fotowoltaika
  • Magazyn energii
  • Pompa ciepła
  • Energia wiatrowa
  • Wodór
  • Samochody elektryczne
  • Prawo i regulacje
  • Dofinansowanie
  • Ubezpieczenia
  • Mój kanał
    • Zainteresowania
    • Zakładki
    • Historia
    • Wyślij artykuł
    • Kontakt
    • Kalkulator OZE
Obserwuj NAS
Nowa metoda diagnostyki PV: straty mocy z jednego obrazu luminescencyjnego
AktualnościFotowoltaikaPublikacje

Nowa metoda diagnostyki PV: straty mocy z jednego obrazu luminescencyjnego

Ostatnia aktualizacja: 23.09.2026 04:30
Redakcja
Udostępnij
Fot. Pexels / Hoan Ngọc
Udostępnij

Międzynarodowy zespół badawczy, w którego skład weszli naukowcy z Uniwersytetu Nowej Południowej Walii (UNSW), opracował ramy diagnostyczne pozwalające ilościowo odtworzyć wydajność modułu fotowoltaicznego na podstawie pojedynczego obrazu elektroluminescencyjnego (EL). Jak podkreśla w rozmowie z pv magazine Dongchen Lan, autor korespondencyjny pracy, kluczową nowością jest możliwość określenia lokalnych strat mocy z dokładnością do pojedynczego piksela.

Spis treści
  • Jedno zdjęcie zamiast wielu pomiarów
  • Jak działa system
  • Walidacja na 300 modułach
  • Testy na farmie 186 kW

Jedno zdjęcie zamiast wielu pomiarów

Dotychczasowe ilościowe metody luminescencyjne wymagały zwykle serii zdjęć wykonywanych w różnych warunkach. Nowe podejście, nazywane „one-shot”, opiera się na jednym obrazie EL uzyskanym przy stałym prądzie wtrysku równym 0,22 gęstości prądu zwarcia modułu. Takie uproszczenie znacząco zwiększa przepustowość diagnostyki i pozwala objąć badaniem znacznie większy obszar podczas jednego przelotu drona.

Jak działa system

Algorytm łączy dwie warstwy analizy. Lekki klasyfikator uczenia maszynowego najpierw rozstrzyga, czy dominującym źródłem degradacji są straty rekombinacyjne – na przykład degradacja indukowana światłem (LID) lub potencjałem (PID) – czy też straty rezystancyjne związane z pęknięciami ogniw i przerwanymi liniami siatki. Ta klasyfikacja dostarcza ograniczeń fizycznych niezbędnych do interpretacji parametrów z jednego obrazu. Następnie model inwersji oparty na fizyce wiąże przestrzenne zmiany intensywności luminescencji z parametrami elektrycznymi, odtwarzając mapy prądu rekombinacji lub rezystancji szeregowej oraz charakterystyki prądowo-napięciowe w rozdzielczości pikselowej. Lokalne charakterystyki są scalane zgodnie z konfiguracją elektryczną modułu, co pozwala wyznaczyć krzywą I-V, moc maksymalną i przestrzenny rozkład strat mocy.

Walidacja na 300 modułach

System przetestowano na 300 modułach krzemowych wycofanych z eksploatacji, o mocy znamionowej 575 W, pochodzących z różnych partii produkcyjnych i środowisk pracy. Każdy moduł obrazowano jednokrotnie, a następnie porównywano odtworzoną moc maksymalną z wynikami konwencjonalnych pomiarów I-V w warunkach laboratoryjnych. Według Lana zgodność była bardzo wysoka – średni błąd wyniósł około 0,5%, a w większości przypadków nie przekraczał 1,5% na poziomie modułu.

Testy na farmie 186 kW

Metodę sprawdzono także na instalacji o mocy 186 kW, złożonej z 342 modułów, wykorzystując nocne obrazowanie dronem do mapowania strat na poziomie ogniw, modułów i stringów. W reprezentatywnej grupie 24 modułów średnia strata mocy wyniosła 7,53%, a w silnie zdegradowanych obszarach ogniw sięgała około 25%. Badacze porównali również trzy stringi po 28 modułów dotknięte odpowiednio łagodnymi pęknięciami, poważnymi pęknięciami i przerwanymi liniami siatki oraz degradacją indukowaną światłem.

„W tej chwili pracujemy nad przyspieszeniem i obniżeniem kosztów naszej diagnostyki terenowej, tak aby nadawała się do rutynowej eksploatacji i utrzymania instalacji PV, a jednocześnie przekładamy informacje o degradacji na praktyczne wsparcie decyzyjne” – podsumowuje Lan.

Jak dodaje, chodzi m.in. o priorytetyzację napraw i wymian, lepsze prognozowanie wydajności oraz bardziej obiektywne dowody przy ocenie ryzyka operacyjnego i długoterminowej wartości aktywów. Zespół rozważa też zastosowanie rozwiązania do nowych technologii, takich jak perowskity i fotowoltaika tandemowa.

Artykuł „One-shot luminescence diagnostics for field-scale photovoltaics” ukazał się w czasopiśmie Matter & Light. W badaniach uczestniczyli naukowcy z chińskiego Uniwersytetu Zhejiang, firmy Quantified Energy (Nanjing), Zhejiang Provincial Key Laboratory of Optoelectronic Functional Materials and Devices oraz Uniwersytetu Nowej Południowej Walii.

Źródło: pv magazine AU

Fot. Pexels / Hoan Ngọc

TAGI:degradacja modułówdiagnostyka pvdronyfotowoltaikaluminescencjasztuczna inteligencjaunsw
Udostępnij ten artykuł
Facebook LinkedIn Skopiuj link Drukuj
Co myślisz?
Uwielbiam0
Smutny0
Szczęśliwy0
Zły0
Brak komentarzy

Dodaj komentarz Anuluj pisanie odpowiedzi

Twój adres email nie zostanie opublikowany. Wymagane pola są oznaczone *

Sponsorowane

Wynik finansowy farmy OZE. Kto pilnuje, żeby zarabiała?

Lech Pilarski
9 min czytania
Asset Management OZE i zarządzanie farmą fotowoltaiczną

Farma produkuje. Kto pilnuje jej rentowności? O&M i Asset Management w praktyce

ASO Energy PROASO Energy PRO

Powiązane artykuły

Nigeria ogłasza przetarg na projekt solarny o mocy 100 MW
AktualnościFotowoltaika

Nigeria ogłasza przetarg na projekt solarny o mocy 100 MW

2 min czytania
Kenia wprowadza opłaty za nieautoryzowany eksport energii słonecznej z mocą wsteczną
FotowoltaikaPrawo i regulacjeRynek energii

Kenia wprowadza opłaty za nieautoryzowany eksport energii słonecznej z mocą wsteczną

4 min czytania
Korea Południowa inwestuje 747 mld dolarów w zieloną transformację do 2035 roku
FotowoltaikaPrawo i regulacjeRynek energii

Korea Południowa inwestuje 747 mld dolarów w zieloną transformację do 2035 roku

2 min czytania
BMW iX5 Hydrogen wchodzi w kolejną fazę testów. Produkcja seryjna w 2028 roku
AktualnościSamochody elektryczneWodór

BMW iX5 Hydrogen wchodzi w kolejną fazę testów. Produkcja seryjna w 2028 roku

6 min czytania

Znajdź nas na:

  • Polityka prywatności
  • Polityka Cookie
  • Regulamin portalu
  • Kontakt
© 2026 Polskie OZE. Wszelkie prawa zastrzeżone.
Polskie OZE
Welcome Back!

Sign in to your account

Nazwa użytkownika lub adres e-mail
Hasło

Zapomniałeś hasła?