Wykonano analizę sprawności paneli fotowoltaicznych na farmie zlokalizowanej w miejscowości Siedlec (Gmina Bochnia) w województwie małopolskim. Analizę przeprowadzono w oparciu o informacje zawarte na zdjęciach w podczerwieni LWIR.

 

Informacje wstępne

Wykonawca: Grzegorz Durło
Operator UAVO: Maciej Wywiał
Cel: wykonanie kompozycji w odcieniach szarości LWIR
Data i miejsce wykonania nalotu: 19-04-2019 r., miejscowość Siedlec, gmina Bochnia, powiat bocheński, woj. małopolskie
Powierzchnia opracowania: ha 2,0 ha
Sprzęt: UAV DJI Matrice 210 RTK, kamera DJI Zenmuse XT2
Oprogramowanie: DJI Pilot, Pix4Dmapper, QGIS 3.14, FLIR Tools+

 

Wstęp

Zdjęcia w podczerwieni gromadzone przy użyciu kamer termowizyjnych zainstalowanych na pokładzie bezzałogowych statków powietrznych umożliwiają analizę sprawności paneli fotowoltaicznych oraz ocenę potencjalnych strat ich efektywności spowodowanej m. in. wpływem temperatury otoczenia, zabrudzeniem, mikropęknięciami, delaminacją folii oraz awariami diód bocznikowych. Postęp technologiczny w dziedzinie termografii sprawił, że współczesne sensory bolometryczne oraz obiektywy kamer gwarantują bardzo dobrej jakości odwzorowanie cech fizycznych powierzchni dowolnego ciała, w tym przypadku sensory LWIR dostarczają danych na temat temperatury powierzchni czynnej panelu oraz identyfikację tzw. gorących pikseli. Te ostatnie stanowią podstawę oceny sprawności modułów fotowoltaicznych i wdrażanie procedur serwisowych, napraw lub wymiany wadliwie działających elementów. Szczególnie wygodne w trakcie nalotu nad farmami fotowoltaicznymi są kamery termowizyjne wyposażone w uchwyt stabilizujący tzw. gimbal umożliwiający płynną regulację kąta pochylenia obiektywu co pozwala na wykonywanie zdjęć powierzchni znajdujących się pod różnym kątem, ułatwia także kierowanie obiektywem dokładnie w kierunku fotografowanego obiektu. Cecha ta znajduje zastosowanie zarówno w trakcie misji wykonywanych ręcznie jak i nalotów autonomicznych (zdjęcia ukośne).

 

Lokalizacja obiektu

Farma fotowoltaiczna o powierzchni 2,3 ha (wraz z infrastrukturą) położona na otwartej przestrzeni w rejonie zagospodarowanym rolniczo obok drogi powiatowej nr 967 biegnącej ze wschodu na zachód, pomiędzy miejscowościami Gierczyce oraz Siedlec w powiecie bocheńskim (woj. małopolskie). Właścicielem obiektu jest Pan Piotr Iwulski prezes firmy KRUSZ-BUD z siedzibą w Woli Batowskiej. Współrzędne narożnika powierzchni: 49.951842 20.323569 wysokość bezwzględna 208,0 m n.p.m. Farma złożona z 26 segmentów o powierzchni 3600 m2 każdy, w obrębie segmentu 216 paneli o powierzchni 1,5 m2 ułożonych w układzie panoramicznym pod kątem 25 stopni (kwiecień) w ekspozycji południowej (ryc. 1, 2, fot. 1). Łącznie powierzchnia czynna wynosi 8424 m2. Celem opracowania była kontrola sprawności paneli fotowoltaicznych na farmie w kontekście ich optymalnego wykorzystania do pozyskania energii słonecznej. Dokonano także oceny przydatności sensora LWIR kamery DJI Zenmuse XT2 do identyfikacji tzw. gorących pikseli (hot spot) oraz przebarwień folii EVA.

00

Ryc. 1. Rzadka chmura punktów wraz z widocznym położeniem zdjęć w trakcie nalotu fotogrametrycznego nad farmą fotowoltaiczną w miejscowości Siedlec

 

Ryc. 2. Fragment ortofotomozaiki wykonanej na podstawie zdjęć z sensora RGB kamery DJI Zenmuse XT2 w trakcie nalotu fotogrametrycznego nad farmą fotowoltaiczną w miejscowości Siedlec

 

Fot. 1. Fragment segmentu farmy fotowoltaicznej, zdjęcie wykonane przy użyciu kamery DJI Zenmuse XT2 (sensor RGB)

Przebieg misji

Misję statku bezzałogowego przygotowano w aplikacji DJI Pilot zainstalowanej na urządzeniu DJI . Trasa została wyznaczona zgodnie z następującymi parametrami: obszar nalotu 2,0 ha, wysokość lotu 50 m AGL, prędkość pozioma 4,0 m·s-1, stabilizacja RTK/RTN, FO/SO 85%/85%. Zapis zdjęć z sensorów odbywał się bezpośrednio na karcie MicroSD umieszczonej w kamerze DJI Zenmuse XT2. Ustawienia kamery: CO Landscape; GSD 9,15. Warunki meteorologiczne w trakcie misji: słonecznie z niewielkim zachmurzeniem piętra wysokiego, temperatura powietrza 17ᶹC; wilgotność powietrza 68%; zachmurzenie ogólne nieba 2,5 Okt, prędkość wiatru 4,0 m·s-1, widoczność CAVOK; stan powierzchni czynnej: sucha. W trakcie misji wykonano 600 zdjęć (LWIR) + 390 zdjęć (RGB) w formacie TIFF/JPG (16 bit).

 

Opracowanie danych

Opracowanie wykonano na komputerze DELL Vostro P71F w aplikacji Pix4Dmapper. Liczba zdjęć wyrównanych 600/593 (99%); średnia liczba punktów wiążących 27351; całkowity czas przetwarzania 45 min (High Resolution). GSD dla sensora RGB 1,32 cm dla sensora LWIR 4,29 cm/pix. Produkt końcowy mozaika barwna LWIR oraz mapa temperatury w stopniach Celsjusza (czas przetwarzania 17 min). Analizę szczegółową pojedynczych zdjęć oraz kompozycji panoramicznych każdego z segmentów wykonano w aplikacji FLIR Tools+. Liczba analizowanych punktów na pojedynczym panelu (dane radiometryczne) wynosiła 1500. Analizę zmienności temperatury powierzchni czynnej panelu przeprowadzono wykorzystując siatkę złożoną z 20 linii pomiarowych (8 linii w poziomie i 12 linii w pionie). W trakcie analizy zastosowano filtrowanie adaptacyjne, oraz lokalne dostrajanie w celu uniknięcia szumu w obrazach LWIR, którego źródłem są takie elementy jak: ramki, konektory, połączenia stelażowe (ryc. 3, 4, fot. 2).

Ryc. 3. Zestaw kilku zdjęć LWIR, na których wskazano obszary możliwych uszkodzeń powierzchni paneli polikrystalicznych

 

Ryc. 4. Wstępna analiza segmentu farmy fotowoltaicznej w poszukiwaniu tzw. gorących punktów, widok ekranu aplikacji FLIR Tools +

 

Fot. 2. Fragment segmentu farmy fotowoltaicznej, zdjęcie wykonane przy użyciu kamery DJI Zenmuse XT2 (sensor LWIR)

 

Wyniki analizy

Rezultaty analizy rozkładu przestrzennego temperatury powierzchni czynnej nie potwierdziły występowania tzw. gorących punktów w żadnym z paneli. Średnia temperatura powierzchni czynnej modułu wynosiła 22,9 °C (±2,9 °C ). W najcieplejszych miejscach temperatura powierzchni czynnej paneli osiągała 31,5°C. W obrazie LWIR wyraźnie zaznaczyły się moduły połączeń (konektory) zlokalizowane na spodniej stronie paneli, których temperatura była przeciętnie o 3,0 (±0,4) stopnie C wyższa od temperatury powierzchni panelu. W wielu przypadkach jednak ujawniły się efekty delaminacji powodującej zmniejszenie przezroczystości i w konsekwencji pogorszenie transmisji. Wyniki wskazują, że zmienność wartości radiometrycznych w panelach bez widocznych uszkodzeń wynosi poniżej 1,5%; w panelach z widocznymi oznakami uszkodzeń (jedynie na części powierzchni) zmienność wynosi od 3,2 do 4,0%, a w obszarach z ewidentnymi uszkodzeniami powłoki zmienność sięga 10% i więcej. Analizowany materiał potwierdził występowanie niepożądanego zjawiska na co najmnie,j 8,0% wszystkich paneli co może wskazywać z jednej strony na wady technologiczne powstałe w trakcie produkcji powłoki EVA lub na jej uszkodzenia mechaniczne spowodowane czynnikami atmosferycznymi. Drobne przebarwienia mogą być również wynikiem stosowania stabilizatorów optycznych niskiej jakości, co sprzyja przebarwieniu powłoki i powoduje stopniowy spadek sprawności paneli i efekcie obniżenie wydajności całych segmentów.

Ryc. 5. Wybór segmentów do analizy temperatury powierzchni czynnej paneli fotowoltaicznych w programie Pix4Dmapper (opcja Index calculator)

 

Ryc. 5a. Zbliżenie na obszar wybrany do analizy jak na rycinie 5

 

Ryc. 6. Rozkład temperatury powierzchni czynnej losowo wybranych paneli (poziome linie pomiarowe) w poszukiwaniu tzw. gorących punktów

 

Ryc. 7. Histogramy częstości temperatury powierzchni czynnej (linie pomiarowe, siatka) na powierzchniach paneli z widocznymi oznakami delaminacji, pierwszy od góry – brak objawów uszkodzeń, drugi od góry – uszkodzenia niewielkich fragmentów panelu, trzeci od góry znaczne powierzchnie uszkodzeń folii EVA

 

Podsumowanie

Zaprezentowana w materiale technologia termowizyjna wysokiej rozdzielczości z wykorzystaniem kamer DJI Zenmuse XT2 lub Zenmuse H20T w połączeniu z algorytmami przetwarzania obrazu dostępnymi w oprogramowaniu Pix4Dmapper oraz FLIR Tools+ stanowi znakomite narzędzie wspierające diagnostykę, kontrolę stanu technicznego oraz serwis urządzeń wchodzących w skład instalacji fotowoltaicznych. Dużą zaletą omawianej metody jest to, że w krótkim czasie można wykonać inspekcję znacznych powierzchni – nawet kilkunastu hektarów w trakcie jednego przelotu nad obiektem. Należy jednak pamiętać o przestrzeganiu kilku ważnych zasad, z których najważniejsza to zachowanie właściwego kontrastu termicznego (dopływ promieniowania słonecznego na poziomie minimum 1,80 do 2,00 MJ/m2/h) oraz zastosowanie odpowiedniej jakości sensora. Spełnienie powyższych kryteriów daje gwarancję poprawności opracowania, a jednocześnie pozwala dokładnie określić zakres ewentualnych prac serwisowych. Odnosząc się do celu opracowania można wysunąć wniosek, że w przypadku paneli polikrystalicznych zainstalowanych na farmie w miejscowości Siedlec ich nominalna sprawność na poziomie 15-16% w przypadku pogorszenia transmisji, wywołanej delaminacją, może obniżyć się do 13,5% na powierzchni około 670 m2. Jest to wartość, którą należy uwzględnić przy planowaniu prac serwisowych w kolejnych latach eksploatacji urządzeń.

Należy pamiętać, iż pogorszenie transmisji promieniowania w początkowym etapie może zmniejszyć wydajność zestawów paneli o kilka procent lecz wraz z upływem czasu może osiągnąć nawet 40%. Niekorzystny efekt delaminacji pogłębia dodatkowo działanie promieniowania ultrafioletowego. Jest to zatem zjawisko niepożądane wymagające procedury serwisowej, a w ostateczności wymiany panelu na nowy. Biorąc pod uwagę możliwości jakie daje technologia nowych sensorów LWIR w połączeniu z platformami latającymi w rękach właścicieli farm słonecznych pozostają gotowe i niezawodne narzędzia diagnostyczne, dzięki którym mogą w krótkim czasie ocenić stan techniczny instalacji.

 

Źródła:

  • Civil Aviation Authority (CAA) 2017. Small Unmanned Aircraft (SUA) operators holding a valid CAA permission. http://publicapps.caa.co.uk/docs/33/20170714RptUAVcurrent.pdf
  • Hemza A., Abdeslam H., Rachid C., Aouan N. 2019. Simplified methods for evaluating the degradation of photovoltaic module and modeling considering partial shading. Measurement 138, 217-224
  • Krauter S. Tornow, D. Hanusch M., Berghold J., Wendlandt S., Giese A., Grunow P. 2012. The temperature as the real hot spot risk factor at PV-modules. DOI: 10.4229/27thEUPVSEC2012-4BV.3.52
  • Poon J., Jain P., Spanos C., Panda S.K., Sanders S.R. 2017. Photovoltaic condition monitoring using real-time adaptive parameter identification. Energy conversion congress and exposition (ECCE). IEEE 1119-1124.
  • Rossi D., Omaña M., Giaffreda D., Metra C. 2015. Modeling and detection of hotspot in shaded photovoltaic cells. Transactions on very large scale integration (VLSI) systems IEEE 23 (6) 1031-1039. Doi: 10.1109/TVLSI.2014.2333064