Pomocí náhradního modelu pro analýzu konečných prvků vědci navrhli hliníkový rám pro bifaciální moduly. Ten údajně minimalizuje průhyb a výrobní náklady, aniž by přidával příliš velkou váhu. Průhyb může vést k prasknutí nebo delaminaci pásků

Pomocí náhradního modelu pro analýzu konečných prvků vědci navrhli hliníkový rám pro bifaciální moduly. Ten údajně minimalizuje průhyb a výrobní náklady, aniž by přidával příliš velkou váhu. Průhyb může vést k prasknutí nebo delaminaci pásků uvnitř modulu, což má za následek zvýšení počtu poškozených článků.

Vědci z Korejského institutu průmyslových technologií v Jižní Koreji vyvinuli náhradní model pro optimalizaci modulových hliníkových (Al) rámů používaných v bifaciálních fotovoltaických panelech sklo-sklo.

Vědci uvedli, že kvůli rostoucí velikosti a hmotnosti FV modulů trpí Al rámy vyšším rizikem průhybu. Což je míra, do jaké se část dlouhého konstrukčního prvku při zatížení bočně deformuje.

„Pokud se modul vlivem zatížení deformuje, může to vést k prasknutí nebo delaminaci pásků uvnitř modulu. Což má za následek nárůst mrtvých buněk,“ vysvětlila skupina. „Bifaciální moduly jsou relativně těžší ve srovnání s monofaciálními moduly. Proto při zvýšené ploše existuje vyšší pravděpodobnost deformace rámu v důsledku vlastní hmotnosti, což vede k potenciálnímu vychýlení modulu."

Při návrhu svého optimalizačního modelu akademici nejprve identifikovali pět konstrukčních faktorů pro rám, včetně hřebenů, drážek a duté sekce. Stanovením tří úrovní v milimetrech pro každý faktor skupina provedla 243 experimentů. Ty dokázaly identifikovat vychýlení pomocí analýzy konečných prvků (FEA). FEA je numerická metoda používaná k řešení problémů v inženýrství a matematické fyzice.

Protože však FEA vyžaduje značné výpočetní zdroje, skupina vytvořila náhradní modul. „Náhradní modelování založené na hluboké neuronové síti (DNN) zahrnuje nalezení přibližné funkce. Ta minimalizuje ztrátovou funkci pro daná data,“ vysvětlili. ,,Použili jsme Bayesovu optimalizaci a odvodili jsme hyperparametry, které minimalizují ztrátovou funkci."

Bayesovská optimalizace je sekvenční návrhová strategie pro globální optimalizaci funkcí černé skříňky, která nenabývá žádné funkční formy. Je zvláště efektivní pro scénáře, kde je vzorkování drahé a cílová funkce je neznámá, ale lze ji vzorkovat.

Korejští vědci navrhují nový design hliníkových rámů používaných v bifaciálních solárních modulech sklo-sklo

Pomocí výsledků 243 experimentů a jejich umělého zvýšení skupina poté trénovala a testovala nový model s poměrem 9:1. Ve srovnání se skutečným FEA prokázal náhradní model FE vysokou přesnost s průměrnými hodnotami střední absolutní procentuální chyby (MAPE) a koeficientu determinace (R2) pro průhyb a hmotnost 0,0017, 0,9972 pro tréninkovou sadu a 0,0020, 0,9962 pro testovací sadu, resp.

Cílem optimalizace nového modelu se stalo navrhnout rám, který minimalizuje průhyb při co nejnižší hmotnosti. Což znamená, že zesílení rámu může relativně snížit průhyb, ale také zvýšit výrobní náklady. „Hodnoty faktoru, které minimalizují jak průhyb, tak hmotnost, byly a = 1,5176 mm, b = 13,7105 mm, c = 1,5012 mm, d = 2,9898 mm, e = 4,3123. V tomto okamžiku byl průhyb 11,1 mm a hmotnost 3,6 kg,“ uvedli vědci.

Těchto výsledků se dosáhlo poté, co se nový optimalizační model podíval do jednoho milionu datových sad. „Vygenerování 1 milionu datových sad trvalo 0,957 sekundy (s), získání předpokládaných hodnot prohnutí a hmotnosti pro tyto datové sady trvalo přibližně 72,014 s a nalezení optimálních hodnot z těchto předpovědí trvalo asi 0,264 s. Naproti tomu použití tradičního FEA k získání průhybu a hmotnosti pro jeden případ trvalo asi 4 800 s,“ uvedli.

Pomocí své nové metody se jim údajně podařilo snížit průhyb o téměř 9,6 % a zároveň zvýšit hmotnost rámu o přibližně 12,8 %.

Jejich zjištění se prezentovala ve studii „Optimalizace návrhu rámečku rozsáhlého bifaciálního fotovoltaického modulu s využitím náhradního režimu hlubokého učení l“, publikované ve Scientific Reports.

Zdroj: pv-magazine, Vapol