‘Kunstmatige intelligentie gaat wereld zonne-energie radicaal veranderen’

Dit is het werkterrein van Alba Alcañiz Moya van TU Delft. Solar Magazine vroeg haar naar de status en toekomst van AI-toepassingen bij de uitrol van de nieuwe generatie pv.

Inaccurate weersvoorspellingen
Alcañiz Moya behaalde haar master duurzame-energietechnologie aan de TU Delft in 2020. Momenteel bevindt ze zich in de finale fase van haar PhD-studie, gericht op het modelleren van de energieopbrengst van pv-systemen met behulp van AI. Vanuit dat promotieonderzoek is ze betrokken bij TRUST-PV. Het doel van dit Europees innovatieproject dat deze maand wordt afgerond, is het vergroten van de prestaties en betrouwbaarheid van zonne-energiesystemen in verschillende marktsegmenten binnen een groot portfolio aan pv. De Photovoltaic Materials and Devices-groep van de TU Delft richt zich daarbij onder andere op korte en middellange termijnvoorspellingen van de zonnestroomproductie van installaties en foutdetectie door digitale twining met behulp van kunstmatige-intelligentietechnieken.

‘Een voordeel van het inzetten van AI bij het forecasten van de productie van zonnestroom en troubleshooting is dat gedetailleerde kennis van de systemen geen noodzaak is’, aldus Alcañiz Moya. ‘Het enige dat nodig is, zijn historische productiegegevens. Daarnaast kan met AI het probleem van inaccurate weersvoorspellingen overwonnen worden.’

Ze wijst in dit verband op een toepassing aangaande zonnepanelen op woningen waarbij de opbrengst van verschillende systemen in elkaars buurt met elkaar worden vergeleken. Liggen op het ene dak bijvoorbeeld 8 zonnepanelen en op het andere 10, dan kan de opbrengst naar rato naast elkaar worden gelegd.

Tricky
Alcañiz Moya: ‘Met AI kun je op deze wijze vaststellen of bepaalde pv-installaties onder de maat presteren, dat daar mogelijk dus iets mis mee is en actie moet worden ondernomen, en de best presterende identificeren. Hoewel dit allemaal een beetje tricky is, onder andere vanwege technische verschillen en schaduwwerking, wordt dit al toegepast door bedrijven zoals Solar Monkey en 3E. Met behulp van een machine learning-model kun je zo bovendien voorspellingen doen aangaande de opwek van een grote vloot aan residentiële pv-systemen, zoals voorgesteld in de publicatie “Individual yield nowcasting for residential PV systems” waaraan ik meewerkte.’

Lees het volledige artikel hieronder in de september 2024-editie van Solar Magazine.