Hızlı Özet
- Yapay zeka modelleri hava kirliliğinin güneş paneli verimliliğine yansımasını incelemek için görevlendirildi.
- Milliyet’in aktardığı gelişme, yenilenebilir enerji tesislerinin performans kaybı yaşamasını engellemeyi hedefliyor.
- Sistem, atmosferdeki partikül yoğunluğunun enerji üretimini ne oranda düşürdüğünü hesaplayacak.
Yapay zeka, Milliyet’in aktardığı bilgilere göre hava kirliliğinin güneş panellerinin verimliliğine olan etkisini analiz etmek üzere kullanılmaya başlanıyor. Yenilenebilir enerji tesislerinin performans kaybı yaşamasını engellemeyi amaçlayan bu çalışma, atmosferdeki partikül yoğunluğunun enerji üretimini ne oranda düşürdüğünü hesaplayacak.
Güneş panelleri verimliliğini ne düşürüyor?
Güneş enerjisi santralleri, panellerin yüzeyine düşen güneş ışığı miktarıyla doğrudan orantılı olarak elektrik üretir. Ama havada asılı kalan toz partikülleri, egzoz gazları ve sanayi kaynaklı kirleticiler, panellerin üzerini kaplayarak ya da ışığı kırarak bu üretimi ciddi oranda aşağı çeker. Geleneksel yöntemler bu kaybı genellikle manuel temizlik sonrasında veya genel hava tahmin raporlarına dayanarak tahmini olarak hesaplar. Yeni yapay zeka tabanlı analiz süreci ise uydulardan gelen atmosfer verileri ile saha sensörlerini birleştirerek anlık performans kayıplarını nokta atışı tespit etmeyi amaçlıyor.
İşletmeciler daha önce kirlilik kaynaklı kayıpları önceden öngörmekte zorlanıyordu; yeni yaklaşım ise bakım ekiplerine en doğru müdahale zamanını bildirecek altyapıyı sunuyor. Özellikle büyük ölçekli güneş enerjisi yatırımları yapan şirketler için bu analiz, enerji kayıplarını minimuma indirmek adına önemli bir adım oluşturuyor.
Hangi tesisler bu analizden etkilenecek?
Sanayi bölgelerine yakın kurulan veya toz fırtınalarının yoğun olduğu coğrafi konumlardaki güneş enerjisi santralleri, bu yeni yapay zeka analizinden en çok fayda sağlayacak tesisler arasında yer alıyor. Atmosferdeki kirlilik yoğunluğunun günün farklı saatlerinde panelleri nasıl etkilediğini gösteren bu model, enerji üretim tahminlerinin tutarlılığını artıracak. Yine de bu teknolojinin her küçük çatı üstü GES projesi için anında erişilebilir olup olmayacağı ya da büyük ölçekli ticari santrallerle sınırlı kalacağı henüz netlik kazanmadı.
Yatırımcılar ve enerji santrali yöneticileri için atılacak en somut adım, mevcut izleme yazılımlarının bu yeni yapay zeka entegrasyonlarını destekleyip desteklemediğini kontrol etmek ve önümüzdeki dönemde yayınlanacak sistem güncellemelerini takip etmek olacak.
Veri entegrasyonu ve modelin teknik yapısı
Atmosferik kirliliğin panel yüzeyindeki optik geçirgenliği nasıl azalttığını modellemek için makine öğrenimi algoritmaları kullanılıyor. Bu sistemler, geçmiş yıllara ait meteoroloji verilerini, bölgesel hava kalitesi ölçüm istasyonlarının raporlarını ve santrallerdeki invertörlerin anlık üretim çıktılarını bir araya getiriyor. Algoritma, hangi partikül yoğunluğunun ne kadar watt kaybına yol açtığını zaman içinde öğrenerek hata payını düşürüyor.
Saha sensörleri bulunmayan daha eski tesisler için ise sistem, uydu görüntüleme teknolojilerinden besleniyor. Çözünürlüğü yüksek uydu fotoğrafları üzerinden panellerin üzerindeki toz katmanının kalınlığı ve yayılımı tespit edilebiliyor. Bu sayede fiziksel olarak her panele sensör takma maliyeti ortadan kalkıyor.
Bakım maliyetlerine ve temizlik süreçlerine etkisi
Güneş santrallerinde temizlik maliyetleri işletme bütçesinin önemli bir kalemini oluşturur. Panellerin gereğinden erken temizlenmesi iş gücü ve su israfına yol açarken, geç temizlenmesi ise doğrudan gelir kaybı demektir. Yapay zeka modeli, kirlilik birikim hızına göre optimal temizlik periyodunu hesaplayarak bakım ekiplerine tam zamanında uyarı gönderiyor.
Özellikle su kaynaklarının kısıtlı olduğu kurak bölgelerdeki devasa santraller için bu hassas planlama büyük bir operasyonel avantaj sunuyor. Gereksiz su tüketiminin önüne geçilirken, panellerin en verimli şekilde çalışması sürdürülüyor.