Solutions

Tracking PV Boost

Algorithmes de contrôle commande fondés sur des images du ciel et une stratégie prédictive qui permet d’améliorer le rendement des centrales PV sur trackers durant des épisodes nuageux.

Gain de la production annuelle de +0,7 %*.

Solution sur mesure qui s’adapte aux contraintes mécaniques des trackers.

Logiciel embarqué dans la caméra.

Solution Plug-In Play.

Aucun nettoyage de la caméra.

*Résultat obtenu pour un site géographique situé dans le sud ouest de la France.

SESA développe une solution qui améliore le rendement des centrales PV équipées de trackers durant des situations de ciels couverts. Les stratégies de tracking standards orientent les panneaux solaires en direction du soleil pour maximiser la part l’éclairement direct reçu durant des journées de ciels clairs. Cependant, les panneaux restent orientés vers le soleil même durant des épisodes nuageux où la part de l’éclairement direct est quasi nulle.

La solution Tracking PV Boost de SESA vise à optimiser la part de l’éclairement diffus capter par le champ solaire lors de situations de ciels couverts. Nous avons développé une stratégie de commande prédictive fondée sur la prévision de la ressource solaire tirant profit des images capturées par notre caméra à grand angle de champ installée sur site. Pour faciliter l’intégration de notre solution, nous intégrons au cas par cas les contraintes mécaniques des systèmes de tracking afin de respecter un nombre de cycles spécifiques par jour.


Des modèles IA appliqués à l’analyse d’images

Des stratégies de contrôle commande intelligentes et optimisées aux besoins de nos clients

Une caméra à haute résolution qui embarque la stratégie d’optimisation

NOWCASTING

Solution de prévision à très court terme de la ressource solaire.

Détection de rampes de production.

Horizons de prévision de 3 à 10 minutes.

Logiciel embarqué dans la caméra.

Caméra qui génère des images HDR de haute qualité

La solution de SESA utilise une instrumentation mixte (une caméra à grand angle de champ et un pyranomètre) en tirant profit de mesures du GHI (Global Horizontal Irradiance) et d’observations atmosphériques. Les algorithmes de prévision sont fondés sur des outils d’intelligence artificiel à la pointe de l’état l’art et encore peu utilisés dans le domaine de la prévision météorologique. Ils tirent profit d’informations extraites d’images pour prédire l’ensoleillement futur.


Anticipation de plus de 50 % des variations brutales de la ressource solaire

Modèle hybride fondé sur des modèles de connaissances et des outils d’IA

Logiciel de suppression de traces de salissures intégré pour limiter les interventions de nettoyage