Clear Sky Science
הסברים מבוססי ראיות, עם מעט ז'רגון

Clear Sky Science · he

שימוש ברשתות עצביות מלאכותיות לקביעת פרמטרי מערכות PV בדיוק גבוה: קרינה, טמפרטורה ו-MPPT

· חזרה לאינדקס

חשמל סולרי חכם יותר לחיי היומיום

פאנלים סולאריים מצויים היום על גגות, בחוות ואפילו במגרשי חניה, אבל להפיק מהם את מירב החשמל מורכב יותר ממה שנראה. עוצמת השמש והטמפרטורה משתנים כל הזמן, ומעגלי בקרה מסורתיים עלולים להיות איטיים ומבזבזים. המחקר הזה מראה כיצד רשתות עצביות מלאכותיות — מערכות מחשוב בהשראת המוח — יכולות לסייע לפאנלים לזקק כמעט כל וואט אפשרי באופן אוטומטי, תוך שימוש בפחות חיישנים ובחומרה זולה יותר.

Figure 1
Figure 1.

מדוע שמש וחום מייצרים חוסר יציבות באנרגיה סולארית

פאנלים סולאריים פועלים היטב בנקודת עבודה מסוימת שבה המתח והזרם משולבים להפקת הספק מקסימלי. נקודה זו נעה לאורך היום כשהעננים עוברים, זווית השמש משתנה והפאנלים מתחממים. בקרי בקרה קונבנציונליים מחפשים את הנקודה על ידי דחיפה קלה של המתח למעלה או למטה וצפייה בתגובה של ההספק. שיטות אלו פשוטות אך לעתים חורגות מהמטרה, לוקחות זמן להתייצב ומבזבזות אנרגיה בגלל תנודות מתמדת סביב הנקודה במקום לנעול את נקודת ההספק המקסימלית האמיתית.

מקטינים חיישנים בלי לאבד תובנה

כדי לעקוב אחרי נקודת העבודה הטובה ביותר בדיוק, מהנדסים בדרך כלל מודדים את עוצמת הקרינה ואת טמפרטורת התאים, באמצעות פירן-מטר וחיישני טמפרטורה. מכשירים אלו מוסיפים עלות, סיבוך ודרישות תחזוקה — במיוחד בחוות סולאריות גדולות. החוקרים מציעים רשת עצבית ראשונה שמוותרת על חיישנים ייעודיים אלה לחלוטין. במקום זאת, היא מסתמכת רק על שתי מדידות חשמליות בסיסיות מפאנל ייחוס אחד: מתח במעגל פתוח וזרם קצר. מהרשומות האלה הרשת לומדת להסיק כמה בהירה השמש וכמה חם הפאנל, אפילו בתנאי מזג אוויר שמשתנים במהירות.

הרשת שמניעה את ממיר ההספק

לאחר שהקרינה והטמפרטורה מוערכים, האתגר הבא הוא להנחות את האלקטרוניקה של ההספק כך שהפאנלים יעבדו בדיוק בנקודת ההספק המקסימלית. כאן נכנסת לפעולה רשת עצבית שנייה. היא מקבלת את הערכות הקרינה והטמפרטורה כקלט ופולטת את הגדרת "מחזור החיוב" האופטימלית לממיר DC–DC שקושר בין הפאנלים לעומס. מחזור חיוב זה קובע כיצד הממיר מגביר את מתח הפאנלים ומעצבת את זרימת הזרם. על ידי למידה ישירה מתוך סימולציות מפורטות של המערכת הסולארית, הרשת יכולה לקפוץ כמעט מיידית להגדרה הטובה ביותר במקום לחפש אותה לאט.

Figure 2
Figure 2.

מבחנים תחת שמיים אמיתיים

הצוות בחן את הגישה הדו-שלבית בסדרת סימולציות ממוחשבות וניסויים בעולם האמיתי. הם אימנו ובדקו תחילה את הרשתות באמצעות נתונים ממפרטי הפאנלים ולאחר מכן עם רשומות מזג אוויר אמיתיות מעיר החוף השמשית הורגדה במצרים. לבסוף, הם בנו מערכי חומרה גם בתוך מבנים, באמצעות ספקי כוח מתוכנתים המדמים פאנלים, וגם בחוץ, באמצעות שלושה מודולים סולאריים אמיתיים. בכל המקרים, מערכת הרשתות העצביות העריכה את הקרינה והטמפרטורה בצורה מדויקת בהרבה מנוסחאות מסורתיות והניעה את ממיר ההספק כדי להפיק כמעט את כל האנרגיה הזמינה, עם גלים זעירים במתח ובזרם וזמני תגובה של אלפי השניות בלבד.

מה זה אומר לעתיד האנרגיה הסולארית

עבור קהל שאינו מומחה, התוצאה ניתנת לתיאור כמתן "חוש חכם" לפאנלים הסולאריים לגבי סביבתם. על ידי הסתמכות על אלגוריתמים של למידה מהירה במקום על חיישנים רבים ושיטות ניסיון וטעייה בבקרה, המערכת הופכת את מזג האוויר המשתנה מבעייה למשהו שניתן להסתגל אליו במהירות. המחקר מראה שברשתות עצביות המאומנות בקפידה, מתקין סולרי יכול להגיע קרוב ל-100% מהתפוקה התיאורטית שלו בעודו נשאר פשוט ובעל עלות יחסית נמוכה. כשרעיונות אלה יורחבו לצמתי סולאריים גדולים יותר, למערכות מחוברות לרשת ולמודלים מתקדמים יותר של למידת מכונה, הם מבטיחים חשמל סולרי נקי, אמין וזול יותר.

ציטוט: Abdelqawee, I.M., Selmy, M., ALI, M.N. et al. Harnessing artificial neural networks for accurate PV system parameters determination: radiation, temperature, and MPPT. Sci Rep 16, 9682 (2026). https://doi.org/10.1038/s41598-026-40175-5

מילות מפתח: אנרגיית שמש, מערכות פוטו-וולטאיות, רשתות עצביות, מעקב נקודת הספק מקסימלית, בקרת אנרגיה מתחדשת