کاهش هزینه های تولید انرژی خورشیدی با هوش مصنوعی به روش چینش خودکار بهینه پنلها بوسیله ی یادگیری ژنتیکی با طراحی و شبیه سازی نیروگاه ۲۰ MW

در این روش رویکردی نوین از هوش مصنوعی بر پایه ی الگوریتم ژنتیکی برای یافتن بهترین چینش فیزیکی پنل ها در یک مزرعه ی خورشیدی ۲۰ مگاواتی استفاده شده است. هدف اصلی در این پروژه، حداکثرسازی در تولید انرژی در کنار حداقل سازی هزینه های نصب، تعمیر و نگهداری میباشد. کدگذاری چینش ها بصورت کروموزوم که هر کروموزوم نشان دهنده ی یک آرایش مکانی از پنل ها است(زاویه ها،فاصله ها،جهت گیری ها). در این مقاله ما با بیشینه کردن انرژی خروجی و کمینه کردن سایه اندازی متقابل پنل ها و همچنین کمینه کردن مصرف زمین و به حداقل رساندن کابل کشی و نصب، هزینه های تولید در هر کیلو وات ساعت انرژی خورشیدی را به شکل قابل توجهی کاهش خواهیم داد. استفاده از الگوریتم ژنتیک برای طراحی پنل های خورشیدی، با در نظرگرفتن شرایط محیطی، ساختار زمین و موقعیت خورشید منجر به بهینه سازی تولید انرژی و کاهش هزینه های کلی و افزایش بهره وری سرمایه گذاری میشود. این روش برای پروژه های بزرگ مثل مزارع خورشیدی صنعتی بسیار سودمند خواهد بود. نتایج شبیه سازی نشان میدهد که در این روش بازدهی انرژی تا ۸ درصد نسبت به چینش دستی افزایش می یابد. علاوه بر ان ۲۰ درصد هزینه ی کابل کشی و تا ۳۰ درصد هزینه ی اولیه و استفاده از ابعاد زمین تا ۱۰ درصد و در نتیجه بازگشت سرمایه تا ۶ ماه کاهش می یابد. علاوه بر این چینش اتوماتیک فرایند طراحی با الگوریتم ژنتیک باعث صرفه جویی در زمان و منابع انسانی شده و امکان بررسی تعداد زیادی از پنل ها بصورت همزمان فراهم میشود و خود این روش برای شرکت های فعال در طراحی و اجرای مزارع پنل های خورشیدی و نیروگاه های مقیاس بزرگ یک مزیت رقابتی جدی بحساب میاید. از مزایای این روش نسبت به سایر روش ها میتوان به توانایی جستجوی گسترده و متنوع در فضای پارامترها، قابلیت ترکیب و جهش در کروموزوم ها که امکان کشف راه حل های نو آورانه و بهینه و بهترین حالت در مسایل غیر خطی را افزایش میدهد نام برد.

کلیدواژه ها:

هوش مصنوعی ، پنل های خورشیدی ، الگوریتم ژنتیک ، انرژی