L’intelligenza artificiale (AI) si conferma un prezioso alleato del fotovoltaico grazie all’ultima innovazione sviluppata da un ricercatore dell’Università di Jönköping, in Svezia: un innovativo sistema che, combinando termografia a infrarossi e AI, promette di identificare guasti e anomalie con estrema precisione, garantendo prestazioni ottimali anche in condizioni ambientali difficili.
Fotovoltaico, come funziona il sistema AI per monitorare i pannelli solari
Come raccontato su pv magazine, questo sistema sfrutta una fotocamera a infrarossi per catturare immagini termografiche dei pannelli fotovoltaici. Nel processo di pre-elaborazione, queste immagini vengono poi migliorate tramite un algoritmo di eliminazione della foschia basato sull’AI e un programma di ottimizzazione del contrasto, che garantisce qualità anche in condizioni difficili come foschia o rumore. Successivamente, ogni immagine viene suddivisa in sub-immagini di 5×5 pixel.
Dai dati di queste sub-immagini vengono estratte caratteristiche locali attraverso metodi gaussiani e non lineari, eliminando valori ridondanti e mantenendo solo l’80% delle informazioni più significative. Una volta elaborati i dati, un algoritmo di clustering k-means riduce il vettore di caratteristiche a 300 elementi per immagine, ottimizzando l’uso della memoria e migliorando l’efficienza computazionale.
Per classificare lo stato di salute dei pannelli, come spiega il dott. Waqas Ahmed (autore dello studio pubblicato su Energy Reports), vengono impiegati dei classificatori superficiali, come la macchina a vettori di supporto (SVM),
“[che] addestrano il modello sui vettori di funzionalità. Un approccio di convalida incrociata a 5 fasi garantisce a sua volta un corretto addestramento del modello, mentre un vettore di prova […] viene utilizzato per testare l’accuratezza del modello nella classificazione dei pannelli fotovoltaici in tre classi basate sulla salute: sano, con hotspot e difettoso“.
Testato su un impianto da 44,24 kW composto da 376 moduli fotovoltaici in silicio cristallino a Lahore (Pakistan), il sistema ha dimostrato risultati impressionanti, con una precisione media del 96,8%, valori di precisione del 92%-100%, e F1-score di 0.958, 1.0 e 0.947 rispettivamente per le classi guasto, sano e con hotspot. Addirittura questo sistema ha dimostrato prestazioni simili o superiori rispetto ad altri modelli. Ad esempio, il metodo RB-SIFT ha ottenuto il punteggio migliore con il 98,66%, mentre altre tecniche come SURF e reti neurali pre-addestrate hanno raggiunto il 97%.
Per saperne di più: Intelligenza artificiale: cos’è e come funziona, tutto sulla AI
Intelligenza artificiale e fotovoltaico: dal monitoraggio alla protezione dal vento
Da tempo l’intelligenza artificiale sta giocando un ruolo fondamentale nel miglioramento delle tecnologie fotovoltaiche. Oltre al progetto dell’Università di Jönköping, un altro esempio significativo della potenza dell’AI nel fotovoltaico è quello del Centre for Material Forming dell’Università PSL in Francia, dove un gruppo di ricercatori ha sviluppato un sistema innovativo che consente ai pannelli solari di adattarsi autonomamente alle condizioni di vento forte, riducendo il rischio di danni strutturali.
Mentre il vento in sé non è un nemico per i pannelli fotovoltaici, in quanto aiuta a mantenerli puliti e a raffreddarli, le raffiche di vento intense possono compromettere la loro integrità, causando danni che richiedono settimane di riparazioni. I ricercatori hanno affrontato questa problematica con un approccio avanzato che combina fluidodinamica e intelligenza artificiale.
Inizialmente, avevano pensato di orientare i pannelli parallelamente al suolo durante le raffiche di vento, ma questo avrebbe ridotto l’efficienza energetica. Successivamente, hanno sviluppato un algoritmo di machine learning che simula le condizioni del vento e ottimizza l’orientamento dei pannelli in tempo reale. Invece di impartire istruzioni specifiche ai pannelli, l’algoritmo consente loro di prendere decisioni autonomamente, migliorando la loro resistenza ai danni senza compromettere la produzione di energia.
