Xây dựng mô hình học máy để đặt vị trí tấm pin tối ưu cho hoạt động trồng trọt năng lượng mặt trời

Xây dựng mô hình học máy để đặt vị trí tấm pin tối ưu cho hoạt động trồng trọt năng lượng mặt trời

    Vào ngày 28 tháng 8, JDSC (Bunkyo-ku, Tokyo) đã cùng nhau xây dựng một mô hình máy học ước tính bức xạ mặt trời nhằm hiện thực hóa vị trí tối ưu của các tấm pin mặt trời trong việc chia sẻ năng lượng mặt trời (sản xuất năng lượng mặt trời nông nghiệp) với sự cộng tác của Trường Cao học Đại học Tokyo. Bài viết tóm tắt kết quả nghiên cứu sẽ được trình bày tại Hội nghị toàn cầu về Điện tử tiêu dùng lần thứ 12 của IEEE năm 2023 (IEEE GCCE 2023) sẽ được tổ chức tại tỉnh Nara vào tháng 10.

    (Nguồn: JDSC)

    Cơ sở trình diễn “Trang trại năng lượng mặt trời tái tạo Higashimatsuyama” thuộc sở hữu của Tập đoàn Tokyu Land
    (nguồn: JDSC)

     Công ty hợp tác với 12 công ty, bao gồm cả Tập đoàn Tokyu Land và cùng trình diễn tại cơ sở trình diễn "Trang trại năng lượng mặt trời tái tạo Higashimatsuyama" thuộc sở hữu của Tập đoàn Tokyu Land. Là một phần của việc này, chúng tôi đã xây dựng một mô hình ước tính lượng bức xạ mặt trời có tính đến kiểu bố trí bảng điều khiển, với mục đích ``tối ưu hóa cách bố trí các tấm pin mặt trời theo đặc điểm của cây trồng''.

     Hiện tại, không có phương pháp nào được thiết lập để ước tính một cách đáng tin cậy lượng bức xạ mặt trời chiếu tới đáy tấm pin mặt trời mà thay vào đó, người ta thường định lượng “mức độ chặn ánh sáng”. Công thức tính toán này là công thức đơn giản sử dụng tỷ lệ giữa diện tích lắp đặt tấm pin và diện tích lắp đặt ngoại vi (diện tích của toàn bộ khu vực lắp đặt) và không tính đến sự thay đổi của bức xạ mặt trời do chuyển động của mặt trời và tác dụng của các mẫu bố trí bảng điều khiển.

     Lần này, công ty đã đo lượng bức xạ mặt trời theo năm mẫu bố trí bảng được lắp đặt tại địa điểm trình diễn và xây dựng mô hình ước tính lượng bức xạ mặt trời bằng cách sử dụng các giá trị đo được. Có ba mô hình: mô hình hệ số cố định (chỉ xem xét chuyển động của mặt trời), mô hình dựa trên quy tắc (xem xét chuyển động của mặt trời và một phần của bảng điều khiển) và mô hình học máy (xem xét chuyển động của mặt trời). nắng và cách sắp xếp các tấm pin). Qua kiểm chứng độ chính xác, chúng tôi nhận thấy mô hình machine learning có độ chính xác cao nhất.

     Kết quả nghiên cứu đã được công bố trong luận văn “Dự báo độ nắng do các tấm pin mặt trời che khuất để bố trí tối ưu trong hệ thống điện nông nghiệp)”. Chúng tôi mong muốn góp phần giải quyết các vấn đề nông nghiệp bằng cách thực hiện việc chia sẻ năng lượng mặt trời hiệu quả hơn và năng suất cao hơn.

    Zalo
    Hotline