توسعه سامانه های خورشیدی فتوولتاییک به عنوان یکی از راه‎کارهای تامین برق در قالب توسعه پایدار و نوین در سال های اخیر بسیار مورد توجه قرار گرفته است. با این وجود، این سامانه ها در دوره کاری خود با توجه به قرارگیری در فضای باز، در معرض مجموعه ای از تنش های خارجی قرار می گیرند. تابش فرا بنفش، چرخه های نوسانی دما و رطوبت، بارش باران، برف و تگرگ، وزش باد، طوفان های گرد و غبار و شن و یا رسوب نمک می توانند به شدت بر بهره وری نیروگاه های فتوولتاییک و طول عمر این سامانه ها اثر بگذارند. شناخت دقیق از انواع خرابی‎های ممکن برای این سامانه ها می تواند مدیریت بهتر سامانه ها و بهره وری بالاتر آن ها را به دنبال داشته باشد. از این رو، در مطالعه حاضر، با روش تحلیل مفهومی به مرور پژوهش های پیشین در این زمینه پرداخته شده است تا انواع خرابی های گزارش شده و دلایل این خرابی ها و اجزای تحت تاثیر دسته بندی و تشریح شود. بررسی های انجام شده در این زمینه نشان داد که در میان مکانیسم های تخریب مربوط به آب و هوا و محیط، مکانیسم های تخریب کوپلیمر اتیلن وینیل استات، و روابط پایداری این ماده در پنل های خورشیدی مبتنی بر سیلیسیوم، مورد بررسی قرار گرفته اند. آثار ناشی از تخریب این پلیمر نیز مانند تغییر رنگ، لایه لایه شدن، تشکیل حباب، خوردگی و رابطه آن ها با ساختار پلیمری، خواص شیمیایی، مکانیکی، نوری و الکتریکی آن ها نیز مورد مطالعه قرار گرفته است. نتایج حاصل از این پژوهش برای محققان و تصمیم گیران حوزه سامانه های خورشیدی فتوولتاییک و بهره وری صنعت برق ارائه شده است.

: استفاده از واحدهای فتوولتاییک در شبکه قدرت و مشارکت آنها در تأمین بار سیستم، رشد فزاینده ای در سال های اخیر داشته است به طوری که ظرفیت کل نصب شده فتوولتاییک در جهان از GW 5/1 در سال 2000 به صورت نمایی به GW 402 در سال 2017 رسیده است. در این تحقیق روشی تحلیلی برای ارزیابی قابلیت اطمینان مزارع بزرگ فتوولتاییک با در نظر گرفتن تغییرات توان ورودی و همچنین شاخص های قابلیت اطمینان اجزای واحد فتوولتاییک ارائه شده که می تواند برای تخمین انرژی سالانه تولیدی واحد فتوولتاییک و همچنین محاسبه شاخص های قابلیت اطمینان مورد استفاده قرار گیرد. با استفاده از مدل مارکوف، روش فراوانی و تداوم برای مدل سازی واحد فتوولتاییک همانند واحدهای چندحالته مورد استفاده قرار می گیرد و احتمال، فرکانس وقوع و نرخ گذر هر حالت بر مبنای اطلاعات آماری تابش خورشید و خصوصیات عملکردی واحد فتوولتاییک می تواند به دست آید. به دلیل وجود تعداد زیاد حالات تابش خورشید و عملکردی ماژول های فتوولتاییک از الگوریتم k-means برای دسته بندی داده ها استفاده شده است. برای نشان دادن کارامدی مدل مذکور نتایج حاصل بر روی شبکه تست RBTS مورد ارزیابی قرار گرفته اند. نتایج تحقیق بیانگر بالابودن حاشیه ظرفیت با استفاده از شاخص LOLF نسبت به استفاده موردی از شاخص LOLE است و دلیل این موضوع، طبیعت تصادفی تابش خورشید در مقایسه با واحدهای مرسوم می باشد. از این رو اهمیت مطالعه شاخص های قابلیت اطمینان وابسته به فرکانس در این سیستم ها مشهود است.

نصب و توسعه پایدار سامانه های خورشیدی فتوولتاییک شناور نیازمند شناختی دقیق از اجزای تشکیل‎دهنده آن ها، انواع طراحی های ممکن برای پیاده سازی، اطمینان از عملکرد مناسب آن ها از جنبه های انرژی، اقتصادی و زیست محیطی است. از یک سو، این نوع سامانه ها به در محیط عملیاتی متفاوتی مستقر می باشند. از این‎رو انتخاب اجزای این سامانه ها، مراحل طراحی و پیاده سازی ساختارهای مختلف آن ها چالش های خاص خود را دارد و به صورت مستقیم یا غیرمستقیم بر تولید توان خروجی، دوام، هزینه و آثار زیست محیطی آن ها تأثیر می گذارد. در حالی که سامانه های شناور بر روی سطح منابع آب و مخازن قرار دارند، لزوم بالا بودن کیفیت آب یا شرایط خاص محیطی می تواند کاربرد تکنیک های مختلف تمیز کردن را محدود کند. از این رو در مطالعه حاضر، با مرور پژوهش های مرتبط و طرح های اجرایی مختلف، یک راهنمای جامع برای انتخاب اجزا، طراحی و نصب سامانه های خورشیدی فتوولتاییک به صورت شناور، و هم چنین شرایط لازم برای نگه داری و روش های مختلف تمیز کردن این سامانه ها ارائه شد. در این پژوهش، با روش تحلیل مفهومی، پژوهش های پیشین بررسی و طبقه بندی و ارزیابی گردید و نتایج آن برای محققان و تصمیم‎گیران در این زمینه تنظیم شده است.

لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

الگوریتم های بهینه سازی مانند الگوریتم ژنتیک، الگوریتم ازدحام ذرات، و الگوریتم فاخته در سیستم های خورشیدی فتوولتاییک (PV) برای افزایش راندمان و بهره وری استفاده می شوند. این الگوریتم ها با یافتن نقطه توان بیشینه (MPPT) به بهینه سازی ولتاژ و جریان خروجی کمک می کنند. الگوریتم ژنتیک معمولاً راندمانی بین 95٪ تا 97٪ دارد، در حالی که الگوریتم ازدحام ذرات می تواند راندمانی حدود 96٪ تا 98٪ داشته باشد. الگوریتم فاخته نیز به دلیل قابلیت جستجوی دقیق تر و هوشمندانه تر، راندمانی تا 98. 5٪ را ارائه می دهد. این بهینه سازی ها موجب افزایش کارایی سلول های خورشیدی و کاهش اتلاف انرژی، و در نتیجه بهره برداری بهتر از منابع انرژی خورشیدی می شوند.

امروزه افزایش‎ ‎روزافزون‎ ‎مصرف‎ ‎انرژی در جهان، محدود‎ ‎بودن‎ ‎سوختهای‎ ‎فسیلی و بالابودن میزان آلایندگی آنها، استفاده از انرژی های نو و تجدید ‏پذیر همانند انرژی خورشیدی، باد و گرمایی زمین را مورد توجه همگان قرار داده است. انرژی خورشیدی یکی از این انرژیها است که مزایای ‏متعددی از جمله نداشتن آلودگیهای صوتی و زیست محیطی و‎ ‎رایگان‎ ‎بودن‎ ‎انرژی‎ ‎اولیه دارد.‏‎ ‎با این وجود، میزان توان تولیدی فتوولتاییک در ‏نیروگاهها به علت وابسته بودن به شرایط مختلف از جمله وضعیت آب و هوایی قابل کنترل نیست. این در حالیست که به منظور فراهم آوردن ‏انرژی الکتریکی با کیفیت بالا برای مصرف کنندگان نهایی و بهبود قابلیت اطمینان سیستم، نیازمند پیش بینی دقیق آن هستیم. در این تحقیق ‏سه مدل برای پیش بینی کوتاه مدت توان خروجی یک نیروگاه پیشنهاد شده که مبتنی بر شبکه عصبی عمیق بوده و از نظر نوع ورودی ها و ‏ساختار شبکه با هم متفاوت هستند. مدلهای پیشنهادی در ساختارشان از شبکه حافظه کوتاه مدت طولانی (‏LSTM‏) استفاده کرده و از توانهای ‏خروجی قبلی و پارامترهای آب و هوایی به عنوان ورودی بهره برده اند. آزمایشهای انجام شده نشان می دهد، استفاده از ورودی هایی مبتنی بر ‏شرایط آب و هوایی، در کنار توانهای خروجی قبلی منجر به افزایش دقت پیش بینی می شود. همچنین استفاده از ساختارهای پیچیده تر در شبکه، ‏به بهبود کارایی کمک می کند‎.‎