РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ ФОТОЭЛЕКТРИЧЕСКОЙ СИСТЕМЫ: ДВУХОСЕВОЙ СОЛНЕЧНЫЙ ТРЕКЕР С IOT-МОНИТОРИНГОМ, АЛГОРИТМАМИ ИИ ДЛЯ ОБНАРУЖЕНИЯ НЕИСПРАВНОСТЕЙ И СИСТЕМОЙ ТЕРМОРЕГУЛИРОВАНИЯ
Получена: 2026-07-16 11:32:59
Опубликована: 2026-04-18
Аннотация
В статье рассматривается разработка интеллектуальной фотоэлектрической системы, включающей двухосевой солнечный трекер с IoT-мониторингом, алгоритмами искусственного интеллекта для обнаружения неисправностей и системой терморегулирования. Представлена архитектура системы, описаны аппаратные и программные решения, а также методы повышения энергоэффективности. Особое внимание уделяется вопросам автоматического слежения за Солнцем, анализу данных в первый момент и применению технологии прогнозного обслуживания. Показано, что внедрение предложенных решений позволяет значительно увеличить выработку электроэнергии и снизить затраты.
Ключевые слова
Список литературы
-
Бобылев В. Н. Фотоэлектрические системы: основы проектирования и применения. — М.: Энергоатомиздат, 2018. — 256 с.
-
Соловьев А. А. Возобновляемые источники энергии. — СПб.: Питер, 2020. — 320 с.
-
Patel M. R. Wind and Solar Power Systems: Design, Analysis, and Operation. — 2nd ed. — Boca Raton: CRC Press, 2019. — 528 p.
-
Luque A., Hegedus S. Handbook of Photovoltaic Science and Engineering. — 2nd ed. — Chichester: Wiley, 2018. — 1160 p.
-
Zhang Y., Yang J. IoT-based smart energy monitoring systems: A review // Renewable and Sustainable Energy Reviews. — 2021. — Vol. 145. — P. 111-125.
-
Zhang C., et al. Fault detection and diagnosis in photovoltaic systems using machine learning techniques // Energy Reports. — 2020. — Vol. 6. — P. 200–210.
-
Kalogirou S. A. Artificial intelligence for the modeling and control of photovoltaic systems // Solar Energy. — 2019. — Vol. 170. — P. 1–15.
-
Sharma V., et al. Performance analysis of solar tracking systems // Renewable Energy. — 2017. — Vol. 105. — P. 122–130.
-
Liu X., et al. IoT-based intelligent monitoring system for photovoltaic power plants // IEEE Access. — 2022. — Vol. 10. — P. 45000–45012.
-
Chen J., et al. Predictive maintenance for photovoltaic systems using data-driven approaches // Applied Energy. — 2021. — Vol. 295. — P. 117–130.
Об авторах
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Как цитировать
