编者按：印度塔帕尔工程技术研究所采用聚类分析与计算机模型来帮助太阳能检测工作，团队整合温度、气压、风速、湿度、日照时数等气象参数来计算光伏组件性能比与衰退状况，且适用于多晶硅、非晶硅与薄膜光伏组件，有望实际应用于各电厂，并加速光伏组件检测速度，减少人力成本支出。

随着光伏组件装置量逐年增加，愈来愈多人重视光伏组件寿命与面板检测精准度，继美国国家再生能源实验室去年底研发出光伏组件寿命测试软件，此次印度科学家也开发出光伏组件实时分析模型，不仅能远程评估光伏组件性能比，还可提供实时信息，有望进一步缩短光伏组件「健检」时间。

光伏组件发电效益与装置规模有关，为提升太阳能厂整体发电量，人们通常会大规模铺设面板，但光伏组件会因为天气、温度变化、空气污染和紫外线而受损，电厂得花大钱在检测面板与维修上，不仅人力成本昂贵、工作风险也高。

虽然现在也有厂商运用无人机空拍技术来执行巡检工作，期望藉此降低维修成本，只不过无人机检测方法只能说是「快筛」，仅用热感摄影机来检查太阳能面板温度是否过高。若要精准掌握光伏组件的运作效率与健康状况，偶尔为之的检测与快速检查是不够的，可随时随地与远程监控或许才是让光伏组件维持正常运作良方。

因此印度塔帕尔工程技术研究所决定采用聚类分析（Cluster analysis）与计算机模型来帮助太阳能检测工作，团队整合温度、气压、风速、湿度、日照时数等气象参数来计算光伏组件性能比与衰退状况，且适用于多晶硅、非晶硅与薄膜光伏组件，有望实际应用于各电厂，并加速光伏组件检测速度，减少人力成本支出。

该团队也善加利用先前的研究，运用隐藏式马可夫模型（HMM）跟广义模糊模型来估算光伏组件性能，前者能用现有资料模拟与预测未来不可知的变化，而广义模糊模型则能在建模中加入不确定的信息，这两种模型都对太阳能检测大有裨益。

再加上气象数据相当容易取得与分析，工作人员不用亲自到场检查光伏组件，能更有效率地排除光伏组件故障因素与精准维修面板，研究员 Parveen Bhola 表示，目前光伏组件检查方式多依据现场物理性检测来计算光伏组件的衰退状况，过程耗时、成本高，更无法提供实时性的分析，新模型则可提供实时分析，精准估算光伏组件性能状况。

且新型检测方法或许也能改善目前的太阳能预测模型，未来可更精准且实时预估太阳能电池与模块的输出功率，若系统回报面板输出功率异常，工作人员也能立刻采取行动，这对于大规模且装设在高架上的太阳能电厂来说，远程与实时技术将可大幅减少面板检查时间。


原标题：印度研发光伏实时检测模型，有助缩短检查时间并提高精确度