Avancées dans la surveillance Cloud pour l'énergie solaire
Un nouveau système d'imagerie améliore les prévisions d'énergie solaire en suivant les mouvements des nuages.
Leron Julian, Haejoon Lee, Soummya Kar, Aswin C. Sankaranarayanan
― 9 min lire
Table des matières
- Le défi du mouvement des nuages
- Systèmes d'imagerie traditionnels
- Une nouvelle approche d'imagerie
- Avantages clés du nouveau système
- Construction du système
- Collecte des données d'image
- Développement des algorithmes de prédiction
- Prédictions non basées sur l'apprentissage
- Prédictions basées sur l'apprentissage
- Évaluation des performances du système
- Directions futures
- Conclusion
- Source originale
L'Énergie solaire, c'est une source d'énergie propre et renouvelable, mais son efficacité peut vraiment être influencée par les nuages. Quand les nuages bloquent le soleil, les panneaux solaires reçoivent moins de lumière, ce qui veut dire qu'on peut produire moins d'énergie. Cette incertitude rend difficile de se fier totalement à l'énergie solaire, surtout quand il s'agit de fournir de l'électricité au réseau. Avoir des prévisions précises sur le Mouvement des nuages et la disponibilité de la lumière du soleil est super important pour optimiser l'utilisation de l'énergie solaire.
Pour régler ce problème, des chercheurs ont bossé sur de nouveaux systèmes d'imagerie pour capter le mouvement des nuages plus efficacement. Les caméras grand angle traditionnelles qu'on utilise pour observer le ciel galèrent souvent à détecter les nuages près de l'horizon, où ils apparaissent moins clairs. Donc, on a besoin d'un meilleur Système d'imagerie qui donne des images de qualité constante sur tout le ciel.
Le défi du mouvement des nuages
Les nuages changent tout le temps de forme et se déplacent, influencés par différents facteurs météo. Ça complique la prédiction de la quantité de lumière du soleil qui va atteindre la Terre à n'importe quel moment. Quand il y a des changements soudains à cause des nuages qui passent devant le soleil, ça peut provoquer des fluctuations rapides dans la production d'énergie solaire. Ça peut poser des problèmes pour ceux qui gèrent le réseau électrique. Ils doivent vite ajuster l'approvisionnement en énergie de différentes sources pour éviter les coupures de courant.
L'objectif, c'est de créer un système qui peut observer les nuages et estimer leurs mouvements de manière à prédire quand la lumière du soleil sera bloquée. En faisant ça, on peut mieux se préparer aux changements dans la production d'énergie solaire.
Systèmes d'imagerie traditionnels
La plupart des systèmes actuels utilisent un type de caméra qu'on appelle un imageur à champ de vision large (FoV). Ces caméras utilisent un objectif fisheye ou un miroir spécial pour capturer une grande zone du ciel. Cependant, même si elles peuvent couvrir une large zone, elles ont des inconvénients. Les images prises par ces systèmes ont tendance à avoir moins de détails quand on regarde vers l'horizon. Ce manque de résolution rend difficile la détection des nuages qui pourraient bloquer la lumière du soleil.
Pour améliorer ça, certains chercheurs ont essayé de corriger les images numériquement ou d'utiliser plusieurs caméras. Mais ces solutions ont soit des problèmes de résolution, soit sont trop chères. En plus, le risque d'endommager le capteur de la caméra à cause de la lumière directe du soleil complique encore la surveillance efficace des nuages.
Une nouvelle approche d'imagerie
Ce travail propose un nouveau type de système d'imagerie qui utilise un type de miroir spécifique appelé système catadioptrique. Ce système vise à offrir une meilleure qualité d'image sur tout le ciel, permettant surtout d'avoir des images plus claires des nuages près de l'horizon.
En utilisant un miroir spécialement conçu, le système d'imagerie peut obtenir une résolution spatiale beaucoup plus uniforme. Ça veut dire que les nuages vont apparaître aussi clairs à l'horizon que directement au-dessus. Ça aide aussi à estimer à quelle vitesse les nuages se déplacent, ce qui est nécessaire pour faire des prédictions précises.
Avantages clés du nouveau système
Il y a plusieurs avantages au système d'imagerie proposé :
Résolution uniforme : La nouvelle forme du miroir offre une résolution égale sur tout le champ de vision, permettant une meilleure détection des nuages, peu importe leur position dans le ciel.
Meilleure estimation du mouvement des nuages : En capturant des images de haute qualité, le système peut mieux estimer la direction et la vitesse du mouvement des nuages.
Horizon de prédiction plus long : La capacité à suivre avec précision le mouvement des nuages permet au système de faire des prévisions efficaces concernant la production d'énergie solaire sur de plus longues périodes par rapport aux méthodes précédentes.
Données améliorées : Le système capture des images à large gamme dynamique, ce qui signifie qu'il peut enregistrer une grande variété de niveaux de lumière. C'est particulièrement utile quand le soleil brille fort, ainsi que quand les nuages le bloquent partiellement.
Construction du système
Le système d'imagerie est constitué d'un miroir catadioptrique soigneusement conçu pour capturer les images du ciel de manière optimale. La forme du miroir est essentielle pour atteindre la résolution uniforme souhaitée. La configuration implique une caméra positionnée au-dessus du miroir, lui permettant de capturer des images du ciel à divers intervalles.
Pour collecter des données, le système est placé sur un toit pour éviter les obstructions causées par les bâtiments. Il capture continuellement des images pendant les heures de jour. Avec le système d'imagerie, un pyranomètre est utilisé pour mesurer la quantité d'énergie solaire qui atteint le sol. Ça fournit une corrélation directe entre les images capturées et l'énergie solaire réellement produite.
Collecte des données d'image
Le processus de collecte des données implique de prendre une multitude d'images sur plusieurs mois, en s'assurant d'inclure une variété de conditions météorologiques. Cet ensemble de données est crucial pour développer et affiner les Algorithmes de prédiction qui aideront à prévoir l'irradiance solaire en fonction des mouvements des nuages.
En capturant des images sous différentes conditions, les chercheurs peuvent évaluer l'efficacité avec laquelle le système prédit les variations de l'énergie solaire. L'idée est de créer un ensemble de données solide qui reflète les prévisions et les défis du monde réel.
Développement des algorithmes de prédiction
Avec les données collectées, les chercheurs utilisent divers algorithmes pour prédire l'irradiance solaire en fonction du mouvement des nuages. L'essentiel, c'est d'extraire des informations utiles des images qui peuvent aider à prévoir la production d'énergie.
Une des techniques principales consiste à créer une image d'espace-temps, qui représente le mouvement des nuages au fil du temps par rapport à la position du soleil. En se concentrant sur les nuages qui se déplacent vers le soleil, le système peut faire des prédictions éclairées sur quand la lumière du soleil sera bloquée.
Prédictions non basées sur l'apprentissage
En analysant les images d'espace-temps, le système peut effectuer des prédictions non basées sur l'apprentissage, ce qui implique de chercher des motifs dans la façon dont les nuages ont bloqué la lumière du soleil par le passé. Cette approche simplifie le problème de prévision et permet des évaluations rapides des futurs états d'occlusion.
Prédictions basées sur l'apprentissage
En plus des méthodes non basées sur l'apprentissage, le système intègre des prédictions basées sur l'apprentissage. En utilisant des réseaux neuronaux, le système peut apprendre des données passées et améliorer ses prédictions au fil du temps. En s'entraînant sur un grand ensemble de données, il devient capable d'identifier des motifs complexes dans le mouvement des nuages et leur impact sur la production d'énergie solaire.
Ces modèles d'apprentissage peuvent améliorer la précision des prédictions pour la production d'énergie solaire, conduisant à une meilleure gestion des approvisionnements en énergie et à une meilleure intégration de l'énergie solaire dans le réseau électrique.
Évaluation des performances du système
Pour évaluer à quel point le nouveau système d'imagerie et ses algorithmes fonctionnent bien, les chercheurs comparent les résultats avec ceux des systèmes traditionnels. Les résultats montrent des améliorations notables dans les prévisions de disponibilité de l'énergie solaire.
Le nouveau système peut faire des prévisions précises qui s'étendent loin dans le futur-bien plus que ce qui était possible auparavant. Par exemple, alors que les systèmes traditionnels ne pouvaient prévoir que quelques minutes à l'avance, ce nouvel ensemble peut prédire avec confiance pour 30 minutes ou plus.
Directions futures
Bien que ce travail ait fait des progrès significatifs, il reste des défis à relever. Une zone principale de focus est le processus de formation des nuages. Les nuages ne se déplacent pas seulement ; ils peuvent aussi apparaître ou se dissiper selon les changements de température et d'humidité. Comprendre ces dynamiques est crucial pour faire encore de meilleures prévisions.
Il y a aussi un besoin d'intégrer des sources de données supplémentaires, comme des images satellites ou des données météorologiques, pour fournir un contexte plus complet autour des mouvements des nuages. Ces informations peuvent encore améliorer les algorithmes de prédiction, leur donnant plus d'infos à traiter et potentiellement améliorant leur précision.
Conclusion
Ce système d'imagerie innovant représente un grand pas en avant dans la quête d'optimiser la production d'énergie solaire. En surveillant efficacement les mouvements des nuages et en améliorant les méthodes de prédiction, on peut exploiter l'énergie solaire de manière plus efficace et fiable. Ça a le potentiel d'aider à intégrer l'énergie solaire plus pleinement dans le réseau électrique et de contribuer à un avenir énergétique plus durable.
Au fur et à mesure que la recherche progresse et que la technologie avance, ce travail ouvrira la voie à une utilisation plus efficace de l'énergie solaire, bénéficiant finalement à la fois aux systèmes énergétiques et à l'environnement. La combinaison de nouvelles techniques d'imagerie et d'algorithmes intelligents offre une voie prometteuse pour améliorer les prévisions d'énergie solaire à une époque qui met de plus en plus l'accent sur les sources d'énergie renouvelables.
Titre: Computational Imaging for Long-Term Prediction of Solar Irradiance
Résumé: The occlusion of the sun by clouds is one of the primary sources of uncertainties in solar power generation, and is a factor that affects the wide-spread use of solar power as a primary energy source. Real-time forecasting of cloud movement and, as a result, solar irradiance is necessary to schedule and allocate energy across grid-connected photovoltaic systems. Previous works monitored cloud movement using wide-angle field of view imagery of the sky. However, such images have poor resolution for clouds that appear near the horizon, which reduces their effectiveness for long term prediction of solar occlusion. Specifically, to be able to predict occlusion of the sun over long time periods, clouds that are near the horizon need to be detected, and their velocities estimated precisely. To enable such a system, we design and deploy a catadioptric system that delivers wide-angle imagery with uniform spatial resolution of the sky over its field of view. To enable prediction over a longer time horizon, we design an algorithm that uses carefully selected spatio-temporal slices of the imagery using estimated wind direction and velocity as inputs. Using ray-tracing simulations as well as a real testbed deployed outdoors, we show that the system is capable of predicting solar occlusion as well as irradiance for tens of minutes in the future, which is an order of magnitude improvement over prior work.
Auteurs: Leron Julian, Haejoon Lee, Soummya Kar, Aswin C. Sankaranarayanan
Dernière mise à jour: 2024-09-18 00:00:00
Langue: English
Source URL: https://arxiv.org/abs/2409.12016
Source PDF: https://arxiv.org/pdf/2409.12016
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.