Используя статистический метод и метод искусственного интеллекта, известный как кластеризация, ученые из Института солнечной энергии Политехнического университета Мадрида (IES-UPM) и Института микро- и нанотехнологий Национального исследовательского совета Испании (IMN-CSIC) нашли практический способ учитывать все изменения солнечного спектра в своих расчетах для прогнозирования выработки солнечной энергии фотоэлектрическими системами. Исследование, опубликованное в журнале Nature Communications, позволяет исследователям всего за несколько часов вычислений найти оптимальную конструкцию многослойной солнечной панели для любого заданного местоположения.
В течение дня и в разные времена года положение солнца и атмосферные условия меняются, что приводит к различным характеристикам света, достигающего фотоэлектрических панелей. Наиболее значительные изменения происходят в спектральном составе света, то есть в распределении его цветов. Например, в полдень свет более «синий», а во второй половине дня — более «красный». Подобно тому, как в фотографии изначально использовался один пигмент (черный и белый), прежде чем перейти к трем цветам, солнечные панели будущего будут многослойными, сочетающими различные материалы для более эффективного использования спектра солнечного света. Однако выработка энергии многослойными панелями в некоторой степени зависит от цветовых вариаций солнечного света. По этой причине такие панели изготавливаются для выработки максимальной энергии для определенного цвета света, и, следовательно, изменения, вызванные положением солнца и атмосферными условиями, приводят к потерям в выработке энергии. Для уменьшения этих потерь цель состоит в том, чтобы проектировать панели для оптимальной общей выработки энергии, а не для определенного цвета. Однако из-за бесконечного разнообразия атмосферных условий в сочетании с различным положением солнца эта оптимизация является очень сложной задачей.
В своей работе исследователи продемонстрировали, что наборы данных, содержащие тысячи солнечных спектров, могут быть сведены к нескольким характерным спектрам с использованием методов искусственного интеллекта и успешно использованы для прогнозирования средней годовой эффективности на основе конструкции солнечных элементов. Первоначальная идея принадлежит Ивану Гарсиа Варе (IES - UPM), который во время работы в Национальной лаборатории возобновляемой энергии разработал статистический метод для такого рода вычислений. Впоследствии Хосе Мария Рипальда Кобиан и Херонимо Буэнкуэрпо Фаринья (IMN - CSIC) применили методы кластеризации к предыдущему методу, добившись успешного результата. Как отмечает Иван Гарсиа Вара, «конечным результатом нашей работы стала оптимизация конструкции многослойных солнечных панелей с использованием годового производства энергии в качестве критерия».
Список литературы:
JM Ripalda, J. Buencuerpo & I. García. Solar cell designs by maximizing energy production based on machine learning clustering of spectral variations. Nature Communications volume 9, Article number: 5126 (2018)
Iván Garcia, William E. McMahon, Aron Habte, John F. Geisz, Myles A. Steiner, Manajit Sengupta, Daniel J. Friedman. Spectral Binning for Energy Production Calculations and Multijunction Solar Cell Design. Progress in Photovoltaics: Research and Applications: 1-7 (2017)
