EN
Kuidas AI dünaamiliselt optimeerib laadimis- ja tühjendamistsükleid
Tehisintelligent muudab päikesepanelidega LED-valgustite laadimise optimeerimist, kohandades pidevalt aku tsükleid keskkonnamuutujatega, takistades vara degradatsiooni ja suurendades energiatõhusust.
AI-mudelid kohandavad laadimise lõpetamist ja tühjendamissügavust reaalajas SoC-, temperatuuri- ja tsüklikoormuse andmete alusel
Nutikad algoritmid jälgivad aku laetuse seisundit, temperatuuri näitu ja varasemaid kasutusmuster, et kohandada laadimise lõpetamise hetke enne ohtlike pinge tasemete saavutamist ning määrata kindlaks, kui madalale akud võivad ohutult tühjeneda ilma kahjustuste tekkimata. Kui temperatuur tõuseb väljapoole tavapäraseid vahemikke, vähendavad need süsteemid automaatselt laadimiskiirust aku eluiga säilitamiseks. Kui andmed viitavad sellele, et aku vananeb kiiremini kui oodatud, piirab süsteem iga kord tarbitava võimsuse hulga. Tänavavalgustuse ja muude välistingimustes kasutatavate valgustite rakenduste puhul tähendab selline nutika akuhaldus seda, et valgustid säilitavad heleduse kauem aega enne asendamist. Austatud ajakirjades avaldatud uuringud näitavad, et AI-tehnoloogiaga haldatud akud vananevad umbes 30 protsenti aeglasemalt kui traditsiooniliste fikseeritud meetoditega laaditud akud.
Liikumine fikseeritud pinge MPPT-lt adaptiivsetele AI-põhistele laadimisprofiilidele põhinedes aku takistuse hinnangul
Enamik traditsioonilisi MPPT-süsteeme töötab fikseeritud pinge seadetega, mis tähendab, et need ei suuda tegelikult kaasa minna tingimustega, mis nende ümber muutuvad. AI erinevus seisneb selles, kuidas see arvutab reaalajas aku takistust. Kujutlege takistust liikuva sihtmärgina, mis näitab, mis toimub akus – näiteks temperatuurimuutused, selle vananemine ja kõik eelnevad kasutuskorrad. Kui AI vaatab seda takistuse väärtust, mitte lihtsalt arvab, siis ta teab täpselt, millal tuleb kohandada laadimispinge ja voolu taset. See aitab saada rohkem energiat päikesepaneelidest isegi siis, kui taevas on pilves, klaasil on tolmu või aastaaegadel on erinev päikesevalguse kogus. Tegelikes välitingimustes tehtud testid näitavad, et need nutikad kohandused suurendavad energia kogumist umbes 15 kuni 20 protsenti. Samuti kestavad akud kauem, kuna vale laadimine põhjustab neile vähem koormust.
AI-toetatud energia prognoosimine usaldusväärseks päikese-LED-i tööks
Päikesenergia ennustused järgmise 48 tunni kohta on paranenud tänu neuronvõrkudele, mis kombineerivad andmeid päikesevalguse taset mõõtavatest satelliitidest, ilmateenistuste uuendustest ja varasematest elektritarbimise andmetest. Kui kõik need erinevad allikad liidetakse, langeb veamäär keskmiselt alla 8,3%, mis muudab päikeseenergia süsteemide igapäevase töö palju usaldusväärsemaks. Tõeline imede hetk saabub siis, kui süsteem tuvastab ajaperioodid, mil päikeseenergia tootmine väheneb. Just sel hetkel alustavad nutikad AI-süsteemid automaatseid kohandusi – edasi lükkamas mitteurgentsed laadimisülesanded või hoides tagasi salvestatud energiat selle asemel, et see täielikult ära kulutataks. Eriti välistingimustes kasutatavate valgustite puhul hoiab just see tüüpi nutikas akude haldamine valgustid järjepidevalt põlemas ning samal ajal ka venitab akude eluiga enne vahetamise vajadust, kõik sellest ilma, et keegi peaks midagi käsitsi kontrollima või kohandama.
AI-ga täiustatud laadimisjuhtide tegelik jõudlus ja kompromissid
Seadmes kvantiseeritud LSTM mudelid tasakaalustavad täpsust ja viivitust – saavutades 92% pilve-taseme jõudlust alla 12 ms järeldusaja
Kvantiseeritud LSTM-mudeleid otse päikselaadimisjuhtidesse paigutamine tähendab, et enam ei pea pilveühendusi kasutama. Kui me vähendame neuraalvõrkude kaalu suurust alla 8 biti, võimaldab see äärmiselt madalat võimsustarvet, samas kui reaalajas arvutused jäävad säilitatuks. Süsteem saab töödelda andmeid, mida andurid edastavad, ja kohandada laadimisseadeid umbes 12 millisekundi jooksul. Oleme seda lähenemist testinud erinevates seadistes üle kogu maailma. Tulemused on tegelikult üsna muljetavad — need kohalikud mudelid saavutavad ligikaudu 92% täispilvepõhistest süsteemidest oodatavast. Nende reageerimiskiirus on piisavalt kiire, et takistada ülepinge tekke hetkel, kui valguse intensiivsus tõuseb järsult. Selline jõudlus teeb kõige suurema erinevuse usaldusväärse toimimise tagamisel piirkondades, kus internetiühendus ei ole alati saadaval või stabiilne.
Väljatulemused: Rajasthanis vähendasid LSTM-põhised juhtimisseadmed akude asendamist 24 kuu jooksul 47%
Rajasthani kuivalises kliimas läbi viidud kaheksa aastat kestnud testid näitasid olulisi parandusi eluea pikkuses. Nende spetsiaalsete LSTM-kontrolleritega asukohtades oli vaja umbes poole vähem akuavahetusi võrreldes tavapäraste PWM-süsteemidega. Saladus? Nutikas laadimise reguleerimine, mis tegelikult kohaneb tingimustega. Näiteks kui temperatuur tõuseb üle 45 kraadi Celsiuse, piirab süsteem laadimist ligikaudu 65% peale, mitte järgides kõvasti standardset 80% piiri. See lähenemine vähendab sulfaadi tekke ohtu ja hoiab akusid liigse ülekuumenemise eest. Piirkonna päikesefarmide välisandmed näitavad, et pliihappeakud kestsid enne tavaliselt umbes 14 kuud, kuid nüüd ulatuvad nad peaaegu 26 kuu järele, nagu möödunud aastal avaldatud Päikesefarmi aruandes kirjutati.
Tulevikusuunad AI-juhitava päikesepõhise LED-aku optimeerimise valdkonnas
Pikaajalise degradatsiooni andmetel treenitud GRU-võrgud võimaldavad ennustava laadimispiiramise, suurendades tsükliiga 3,2 korda võrreldes reeglipõhise BMS-iga
GRU-võrgud on põhimõtteliselt uusim asi akude haldustehnoloogias. Neid treenitakse aastatepikkuse andmebaasiga selle kohta, kuidas akud ajapikku degradeeruvad, nii et nad suudavad ennustada, millal tuleb lahtilaadimine peatada enne tõsiste kahjustuste tekkimist. Traditsioonilised akude haldussüsteemid piirduvad fikseeritud pinge tasemetega, kuid GRUd vaatavad, mis toimub hetkel akuga – sealhulgas selle sisemise takistuse ja kogu varasema koormuse kohta. See võimaldab neil kohandada päevastiku kasutamist päev-päevalt. Enamik uuringuid näitab, et sügavad lahtilaadimistsüklid põhjustavad umbes 70–75% vara akude ebaõnnestumisi päikeseelektrisüsteemides. Seega teevad need nutikad süsteemid tegelikult suurt erinevust. Liitiumakud kestavad umbes kolm korda kauem vanemate meetoditega võrreldes, säilitades siiski peaaegu kogu oma energiamahtuvuse vajadusel. Tulevikus võivad selle tehnoloogia uuemad versioonid arvestada erinevate hooaegade ilmastikuoludega, et seada automaatselt igapäevaseid kasutuspiiranguid. See peaks aitama päikesespõhistel LED-süsteemidel aja jooksul palju iseseisemaks saada, kuigi me pole selles veel täiesti kohanud.
KKK
Kuidas parandab AI päikese-LEDi aku optimeerimist?
AI parandab päikese-LEDi aku optimeerimist, kohandudes keskkonnamuutujatega, takistades vara degradatsiooni ning suurendades energiatõhusust reaalajas kohanduste abil.
Mis on GRU-võrgud ja kuidas need pikendavad aku eluiga?
GRU-võrgud on edasijõudnud akuhalduse süsteemid, mida on treenitud pikaajalise degradatsiooni andmetel, et võimaldada ennustavat laadimispiiramist, mis pikendab tsükliiga oluliselt traditsiooniliste meetoditega võrreldes.
Kuidas kasu saavad päikese-LED-süsteemid AI-toetatud energiaennustusest?
AI-toetatud energiaennustus kasutab neuronaalvõrke, et täpselt ennustada päikeseenergia tingimusi, vähendades veamäärasid ning võimaldades kohandusi, mis suurendavad usaldusväärsust ja tõhusust.
