人工智能在光伏发电中的应用

人工智能在光伏发电中的应用-1一．背景2二．太阳能资源预测3三．光伏发电智能制造五．精准运维与维护四．智能化管理与优化控制54.实例总结6六.太阳能电池的智慧化应用7七．一些局限性8八．发展前景9七．一些局限性10八．发展前景一．背景1一．背景光伏产业是我国为数不多的取得全球竞争优势、实现端到端安全可控、有望率先成为高质量发展典范的新兴产业。随着5G通信、人工智能、先进计算、工业互联网等新一代信息技术快速兴起，加快光伏产业与信息技术深度融合发展、推动智能光伏行业特色应用成为大势所趋，也是各方关注的焦点近年来信息技术与传统产业的融合趋势不断提升，网络化、智能化的传统制造业便属于其中代表，制造业的数字化改造开始受到广泛关注。对于存在较高自动化程度的我国光伏产业来说，机器人等自动化设备的引入可更好地采集信息并分析生产问题，生产效率及质量提升均可得到保障近年来我国光伏产业的低成本优势开始减弱，为更好地提升产业的国际竞争力，必须设法引入智能制造技术，但在智能化升级转型的过程中，受地区、企业发展不均衡，智能制造、关键技术、核心设备标准不统一影响，我国光伏产业智能制造发展仍存在一定不足一．背景为更好进入国际市场，实现光伏产业向高端制造业的发展，必须进一步强化基于数字技术的智能制造探索，产业升级转型、新发展动力培育可由此实现，这一过程还需要关注光伏巨头企业培育、大数据等新型技术应用，以此更好地实现光伏产业的成本、排放控制二．太阳能资源预测2二．太阳能资源预测01通过对太阳能资源预测的精准性和准确性的不断提升，可以帮助太阳能电池系统更加高效地利用太阳能资源02借助人工智能和大数据技术对太阳能资源进行采集、处理、分析和建模预测未来的太阳能资源状况、变化趋势和空间分布情况等三．光伏发电智能制造3三．光伏发电智能制造1.埃斯顿接受调研时指出，计划在2023年工业机器人出货2.5万台。公司的机器人产品在光伏行业在保持较高的市占率，其中，光伏专用排版机器人可取代2-4个工人，精度可以达到±0.2，速度可以达到4秒，大大提高了产线精度和效率;公司为光伏行业设计的高速高精度大臂展大惯量的组件装配机器人也已经成为在光伏行业的标杆产品2.据润峰集团运行支持部经理邢国政介绍，该生产线采用全球最先进的设备，在关键部位采用了智能工业机器人技术，是国内光伏电力第一条全自动进口高端流水线。引进这条智能全自动生产线后，原本在传统流水线上需要500人作业才能实现的产能，现在只需要9个人就可以实现了，大大解放了劳动力，提高了生产效能3.太阳能光伏组件生产线融入了先进的机器人技术三．光伏发电智能制造太阳能系统提供包括手动、半自动和全自动模式的各种全套高速生产线。太阳能系统从对玻璃和薄膜的处理到串焊、汇流条焊接、层压到削边、密封、组框和码垛国内太阳能生产线设备供应商典型代表要数KUKA，从最初的想法到在生产阶段的配套服务，作为有力的合作伙伴，库卡能提供符合特殊生产要求的生产单元。尽可能标准化，按客户所需个别定制，即使操作者不太理解机器结构，也不影响正常使用三．光伏发电智能制造缓冲处理三．光伏发电智能制造激光汇流条钎焊串焊测试四．智能化管理与优化控制4四．智能化管理与优化控制123(一)通过对太阳能电池的电量、温度、光照等数据进行采集和分析利用人工智能和大数据技术建立智能化管理和优化控制系统实现对太阳能电池运行状态的实时监控和分析通过对数据的分析和模拟可以预测太阳能电池未来的运行情况，进而进行优化调整，提高太阳能电池的利用效率和寿命(二)实例--智能工厂透明化5(二)实例--智能工厂透明化1.光伏产业智能工厂透明化现状由于光伏企业自身特点，加之智能工厂透明化程度不高，其订单管理、生产派工、质量管理、设备绩效管理等方面缺乏可支撑的信息化系统，存在以下不足(1)信息化系统单一部分先进光伏产业的智能工厂仅仅拥有ERP系统，单独的ERP系统不能实现对设备的控制。从而导致上层的管理系统和底层的设备控制系统出现断层，订单监控、设备绩效管理等方面落后，大量的数据进行人工录入、重复录入，造成效率降低，资源浪费(2)数据标准化程度低信息集成程度不高，对各系统信息资源的集成未能实现对生产制造过

程的深度融合和优化(如：各应用系统集成接口无统一管理、无标准)，极易形成数据信息孤岛，影响数据的复用性和互联互通性(3)数据采集困难重重

(二)实例--智能工厂透明化生产现场资源分散，现场信息多源、异构、海量，生产人员的状态信息监控、成品监控、生产过程中的物料、质量监控无法实现自动监控，从而使得信息采集难度大，出错率高，实时性差，信息分析处理困难，管理混乱(4)应急能力不足光伏企业故障处理方式大多比较简单，不能实现实时自动处理、及时处理(5)信息处理滞后光伏企业的信息处理方式落后，而且缺乏严格的设备绩效评估体系。目前光伏企业的各项生产报表、统计报表大多依靠手工汇总计算，计算效率低，且容易出错，结果也不够直观，更重要的是反馈的信息不及时(6)可视化能力不足(二)实例--智能工厂透明化NEXT车间没有可视化电子看板，工位旁也没有生产看板，工人无法实时的掌握生产进度和加工情况，无法准确的处理异常情况。另外，生产管理者也无法足不出户的快速掌握整个企业的生产运营情况(7)数据利用率低光伏产业所涉及到的数据信息主要分三种，暨设备数据、生产数据和标签数据。设备数据包含生产设备信息、监控设备信息等；生产数据是产线的产品相关数据。包含各工序产出，各工序报废量，FPY,等数据；标签数据包含操作人员身份标识，工艺规程，质检文件，产品标签信息等其中设备数据容量非常巨大，且具有复杂性。例如PLC数据采集，涉及到输入、输出两大模块的7项模块功能数据采集；而生产环境数据采集更是复杂，包含温度、湿度、图像、声音等变量信息。目前该类数据都是以生产人员及设备人员进行手工统计，数据实时性无法保证，设备OEE的指标同样欠缺准确性，并且设备的异常数据皆由一线员工进行汇报，数据的异常状态无法第一时间解决，从而影响设备产能(二)实例--智能工厂透明化当前大部分生产数据也均都由生产人员手工统计，统计过程不可控，并且数据真实性存在质疑01对工厂的发展起到了阻碍，产能的增加造成了困扰；标签数据虽然相对具有唯一性，但是常常由于人员流动性强，人工统计的疏忽，新旧文件更替等多种因素影响，导致标签数据的遗漏，增加了管理成本，阻碍智能工厂发展022.智能工厂透明化62.智能工厂透明化综合运用了物联网技术及智能策略、智能系统、智能方法等新兴智能技术，通过自动化设备，和数据透明化的配合，尽可能少地让人员参与到生产过程中，具有采集、分析、自主决策和执行的能力，实现数据处理的透明化、生产过程的自动化、生产能力的柔性化，达到降低成本，提高效率，实时监控的目的，全方位提高产能。智能工厂透明化具有以下3个特征(1)数据的统一管理通过构建统一的数据中心，对设备，产品，环境等各类数据统一管理，避免信息化建设过程中的信息孤岛，实现数据的互联互通(2)数据的全方位展示2.智能工厂透明化基于设备自动化数据的通讯接出，系统能够支持用户自定义显示的内容，最终实现人员无需时时巡线，也能随时远程了解产线实际情况，达到信息的透明化(3)智能管控通过数据透明化，设备智能化，管理人员第一时间得到真实，准确的数据后，通过数据分析，数据挖掘，可以对瓶颈工序进行优化提升3.标准化助力智能工厂透明化的实践建立标准化的MES系统，提高数据的标准化分析处理、生产信息可视化、生产过程异常信息应对等多方面能力，最终提高光伏行业智能工厂精益生产能力和生产效率2.智能工厂透明化基础支撑层该层为MES的支撑，是MES系统的基础设备包括硬件和软件环境，硬件包括自动化设备(如机器人和数控设备等)、其他数据采集设备，包括RFID、传感器、PLC、采集卡、扫描枪等等，软件环境包括系统服务器，网络环境等等(2)数据采集层该层主要确定数据采集的方式，包括自动采集(RFID、传感器等)、半自动采集(扫描枪等)、人工录入等手段，MES运行所需要的数据均来自该层对基础支撑层的数据采集(3)生产资源配置库层该

层是生产资源的配置库，一是用来存放数据采集层经过转换后得到的数据，也是用来存放于外部系统如ERP、PDM等交互的数据，另外，系统运行所需要配置的基础数据也存放在该层(4)数据交互层

2.智能工厂透明化该层主要起MES与ERP等外部系统交互的作用。它确定了交互的内容、方式和数据格式(5)业务层该层是MES的核心，是依据采集层、交互层、生产资源配置库中的数据，提供MES系统的各个业务。它包括以下三个体系①监测管理体系：主要对MES系统中的设备、人员、物料、订单执行信息等进行监控，并提供实时的报表，观测生产状态并针对设备、物料等的异常情况进行和告警②生产管理体系：MES系统的业务主要都在该层，它包括订单管理、物料管理、生产管理、追溯管理、质量管理和系统管理等等③

统计分析体系：该层是系统数据处理的核心层，主要对监控体系和管理体系中的数据进行处理，得出各类管理者所需要的报表和统计分析图

2.智能工厂透明化(6)可视化展示层该层是生产制造的展示门户，用来实时展示生产运行的情况和设备运行情况，为生产管理者和生产操作者提供生产依据。展示方式为生产看板包括人机交互页面，还有大屏监测4.实例总结74.实例总结数据透明化，让整个生产效率、突发事件、业务完成度、物料人员分配等得到合理提高和调节数据透明化，也是企业高层决策和发展规划的最可靠的依据数据透明化，在订单型加工生产里，尤为被重视，因为它提高了整个生产车间的调整和灵敏度随着全球制造业数字化、网络化、智能化的步伐不断加快,工业大数据逐渐成为制造业与新一代信息技术深度融合的落脚点之一,是智能制造的核心驱动力。数据透明化则保证了大数据的真实性，准确性。企业通过透明化的大数据也将更加快速、及时有效的不断进步4.实例总结五．精准运维与维护8五．精准运维与维护通过对太阳能电池系统大数据的采集和分析利用人工智能和大数据技术建立太阳能电池的智能化运维和维护系统通过对运行数据进行实时监控可及时发现设备故障并进行智能化分析提高维护效率和设备寿命1.光伏板异物识别91.光伏板异物识别裸露在外的光伏板常易被鸟粪，灰尘，异物等覆盖导致透光率降低，或者形成阴影。低透光率会影响光电转化效率；阴影消除不及时更会导致光伏组件产生局部升温，熔化并毁坏栅线，严重影响接线盒和电池板的使用寿命，甚至最终导致整个太阳电池组件的报废。极视角的光伏板异物识别能自动对画面中的光伏板进行检测分割，运用图像处理技术对分割的面板图像校正，校正后检测光伏板上是否有鸟粪或积灰并输出坐标信息用于将智能控制模块、监测模块和自清理模块的信息进行储存,存储模块包括信息接收单元、信息处理单元、信息存储单元;所述自清理模块主要用于针对检测模块中空气监测的信息来对太阳能电池板进行自动清理;本发明主要用于解决现有人工智能管理的太阳能发电系统无法实时对周围的植被和动物进行实子时监控，导致太阳能电池板容易遭受破坏的问题1.光伏板异物识别1.光伏板异物识别视频2.无人机监视102.无人机监视无人机在太阳能农场上收集的图像可以通过云端或设备上的算法进行处理。人工智能算法的结果将告诉质量控制器哪些光伏面板有明显的设备缺陷迹象太阳能电池板检测中最常用的算法类型是深度学习算法。深度学习算法是一种机器学习算法，它使用神经网络来学习如何解决任务。神经网络由相互连接的层组成，可以学习如何从图像中识别太阳能电池板的缺陷通过使用自动缺陷分类

AI，质量控制人员可以在几个小时内完成对整个设施的调查，从而降低成本，而不是雇人数日进行维护。此外，缺陷面板的自动识别可以通过基于位置的标记加快检查时间，从而提高效率一旦深度学习算法经过训练，它就可以用来检查从太阳能农场收集的图像中的太阳能电池板。神经网络将识别图像中的任何太阳能电池板缺陷并提供分类(有缺陷或无缺陷)2.无人机监视3.光伏系统的平衡系统中也有很多人工智能有潜力或者已经在发挥作用的场景跟踪支架公司NEXTracker在今年推出了业内首款的智能自适应跟踪控制系统TrueCapture，与根据时间和设定值进行调整的跟踪支架不同，这一系统可以通过机器学习算法根据实时的光照情况自动调整支架到最佳的工作角度，从而增加跟踪支架在复杂地貌和多云天气时的发电量，同时降低安装和部署时间六．太阳能电池的智慧化应用11六．太阳能电池的智慧化应用在对国内外市场的开辟中，需要聚焦"互联网+光伏"平台的建设和利用，实现林业、渔业、农业、交通、金融等领域的"光伏+"探索，产业链中不同企业的资源共享、优势互补、协同发展作用也需要设法充分发挥出来在对国内外市场的开辟中，需要聚焦"互联网+光伏"平台的建设和利用，实现林业、渔业、农业、交通、金融等领域的"光伏+"探索，产业链中不同企业的资源共享、优势互补、协同发展作用也需要设法充分发