AI može ubrzati solarne procjene, ali svaka sjena još traži dokaz
One 360° image could speed solar forecasting, but the site still rules📷 AI-generated / Tech&Space editorial visual
- ★Jedna panoramska slika može ubrzati početnu procjenu
- ★Mali gradski detalji često odlučuju isplativost panela
- ★Bez error margina demo još nije alat za ozbiljan CAPEX
Istraživači sa Sveučilišta Columbia objavili su kako jedan panoramski snimak može izmjeriti sunčevu iradijaciju u gradskim okruženjima. Sustav koristi neuronske mreže na snimci u 360° kako bi otkrio geometriju okruženja, vidljivost neba i uvjete osvjetljenja. Taj pristup izbjegava potrebu za složenim 3D modelima gradova koji često propuštaju male, ali ključne detalje poput ventilacijskih otvora ili reklama.
Sustav predviđa godišnju proizvodnju energije prije ugradnje panela ili optimizira orijentaciju u uskim gradskim kanjonima. Kako navode, otprilike 12 % ukupne energije koju panel primi dolazi od okolnih struktura, što tradicionalni modeli zanemaruju. Četiri urbana okruženja poslužila su za validaciju, svako s jednom hemisferičkom slikom.
Metoda analize vizualne podloge omogućava predviđanje bez oslanjanja na nesigurne inercijalne senzore u gradovima pogođenim magnetskim smetnjama. Kako kažu istraživači, čvor ventilacije kraj panela može imati isti utjecaj kao velika zgrada preko puta — nešto što 3D modeli često ne uhvate.
Brži solarni proračun zvuči sjajno sve dok sjenčanje ne postane skupa pogreška
Wikimedia Commons: U.S. scientists press release photo📷 Photo by Daniela ROSAS on Pexels
Ovaj pristup obećava konkretne prednosti u planiranju solarnih instalacija, posebno u gusto naseljenim gradovima gdje su standardni modeli neprecizni. Iako je demonstracija učinkovita, još nije jasno kako će se integrirati u komercijalne alate za postavljanje panela. Postoji i potreba za širim testiranjima u različitim urbanim okruženjima.
Samo mjerenje sunčeve iradijacije kroz vizualne podražaje nije novo, ali ova metoda prvi put uspješno kombinira neuronske mreže, panoramske slike i urbanu analizu bez potrebe za dodatnim 3D podacima. Time se otvara mogućnost za brža i jeftinija istraživanja prikladnih lokacija za solarne instalacije.
Prema dostupnim informacijama, istraživači su koristili kombinaciju sintetičkih i realnih urbanih datasetova za treniranje modela koji određuje smjer sunca i gravitacije iz slike.
U budućnosti bi se ova metoda mogla koristiti za planiranje solarnih instalacija u različitim urbanim područjima. Potencijalne prednosti uključuju smanjenje troškova i povećanje učinkovitosti solarnih panela. Ova metoda mogla bi biti važan dio rješenja za razvoj održivijih i učinkovitijih solarnih sustava.
