Ondanks vele voordelen en relatieve populariteit als hernieuwbare energiebron, eventueel, zelfs op de beste zonnepanelen gaat de zon onder. Overuren, zonnecellen worden geconfronteerd met schade door het weer, temperatuurveranderingen, vervuiling, en UV-blootstelling. Zonnecellen vereisen ook inspecties om de celprestaties op peil te houden en economische verliezen te verminderen.

Dus, hoe inspecteert men panelen in realtime, op een manier die zowel kosteneffectief als tijdbesparend is? Parveen Bhola, een onderzoekswetenschapper aan het Thapar Institute of Engineering and Technology in India, en Saurabh Bhardwaj, een universitair hoofddocent aan dezelfde instelling, heeft de afgelopen jaren besteed aan het ontwikkelen en verbeteren van statistische en op machine learning gebaseerde alternatieven om realtime inspectie van zonnepanelen mogelijk te maken. Hun onderzoek vond een nieuwe toepassing voor op clustering gebaseerde berekeningen, die meteorologische gegevens uit het verleden gebruikt om prestatieverhoudingen en degradatiesnelheden te berekenen. Deze methode maakt ook inspectie op locatie mogelijk.

Clusteringgebaseerde berekening is voordelig voor dit probleem vanwege het vermogen om het inspectieproces te versnellen, verdere schade te voorkomen en reparaties te bespoedigen, door een prestatieverhouding te gebruiken die is gebaseerd op meteorologische parameters, waaronder temperatuur, druk, windsnelheid, vochtigheid, zonneschijn uren, zonne-energie, en zelfs de dag van het jaar. De parameters zijn gemakkelijk te verkrijgen en te beoordelen, en kan worden gemeten vanaf afgelegen locaties.

Verbetering van de inspectiesystemen voor fotovoltaïsche cellen kan inspecteurs helpen om efficiënter problemen op te lossen en mogelijk toekomstige problemen te voorspellen en te controleren. Clusteringgebaseerde berekeningen zullen waarschijnlijk licht werpen op nieuwe manieren om zonne-energiesystemen te beheren, het optimaliseren van PV-opbrengsten, en inspirerende toekomstige technologische ontwikkelingen in het veld.

"De meeste beschikbare technieken berekenen de degradatie van PV (fotovoltaïsche) systemen door fysieke inspectie ter plaatse. Dit proces is tijdrovend, duur, en kan niet worden gebruikt voor de real-time analyse van degradatie, "Bhola zei. "Het voorgestelde model schat de degradatie in termen van prestatieverhouding in realtime."

Bhola en Bhardwaj werkten eerder samen en ontwikkelden het model om zonnestraling te schatten met behulp van een combinatie van het Hidden Markov Model en het Generalized Fuzzy Model.

Het Hidden Markov Model wordt gebruikt om willekeurig veranderende systemen te modelleren met niet-geobserveerde, of verborgen toestanden; het Generalized Fuzzy Model probeert onnauwkeurige informatie te gebruiken in zijn modelleringsproces. Bij deze modellen gaat het om herkenning, classificatie, clusteren, en informatie ophalen, en zijn nuttig voor het aanpassen van inspectiemethoden voor PV-systemen.

De voordelen van realtime PV-inspectie gaan verder dan tijdgevoelige en kostenefficiënte maatregelen. Deze nieuwe, De voorgestelde methode kan ook de huidige voorspellingsmodellen voor zonne-energie verbeteren. Bhola merkte op dat het uitgangsvermogen van een zonnepaneel, of set zonnepanelen, met nog grotere nauwkeurigheid kunnen worden voorspeld. Realtime schatting en inspectie zorgen ook voor een realtime snelle reactie.

"Als resultaat van realtime schatting, de preventieve actie kan onmiddellijk worden ondernomen als de output niet overeenkomt met de verwachte waarde, " zei Bhola. "Deze informatie is nuttig om de voorspellingsmodellen voor zonne-energie te verfijnen. Dus, het uitgangsvermogen kan met grotere nauwkeurigheid worden voorspeld."