מחקר
AI משפר תחזיות קרינה דו‑צדדית לשמש
AI מנצח מודלים ישנים בתחזית קרינה דו‑צדדית
בזכות מודל Random Forest (RF) אנחנו מקבלים תחזיות מדויקות יותר לשני הצדדים של פאנלים סולרים דו‑צדדיים. ה‑RF משיג RMSE של 0.188 עבור החזית ו‑0.236 עבור האחורית – הרבה יותר טוב מה‑Linear Regression שהביא RMSE של 0.682 (חזית) ו‑0.593 (אחורית). המחקר של Ayşegül Toprak מאוניברסיטת סלצוק הראה שניתן לבנות מודל AI חזק רק עם נתונים קלים למדידה: קרינה אופקית גלובלית, קרינה פזורה, טמפרטורה, מהירות רוח, אלבדו, סימן רפלקטור ושעות סינוסיות. (מקור: PV Magazine)
קרינה אחורית קשה יותר לחזות, אבל RF עדיין מוביל
הצד האחורי של פאנל דו‑צדדי תלוי במצב הקרקע – אלבדו, משטחי רפלקציה ועוד. כאן גם RF מצא את דרכו עם RMSE של 0.236 ומתאם Pearson של 0.973, ובכך עלה על מודל MLP (ששיתף את ה‑RMSE אבל היה עם MAE גבוה יותר). רגרסיה ליניארית הייתה הפחות מדויקת לשני הצדדים. (מקור: Energy Reports)
למה תחזיות מדויקות חשובות לבעלי חוות סולאריות?
כאשר יודעים בדיוק כמה קרינה יגיעו הפאנלים, אפשר לתכנן אינברטורים, לתזמן תחזוקה ולפעול בשוק היום‑קדם עם בטחון גבוה יותר. הפחתת השגיאה מאפשרת לחוות דו‑צדדיות גדולות לתפוס יותר אנרגיה, ובכך לשפר את הרווחיות לאורך חיי המערכת. בדרום הארץ, שבו השמש שופעת, אפילו שיפור קטן יכול להיות משמעותי מבחינה כלכלית.
מה זה אומר לשוק הגגות והפרויקטים הגדולים בישראל?
לדוגמה, בעל בית במרכז עם מערכת של 10 kWp צפוי לייצר כ‑17 000 kWh בשנה (בהתאם לתפוקה של 1 700 kWh/kWp/yr), שווה בערך ₪8 160 לפי תעריף מגורים. מודל RF מצמצם את טווח התחזית, מה שמקל על מימון והסכמי נט‑מטרינג ומקצר את תקופת ההחזר. למפתחים זה מאפשר ליטול בחשבון את זווית ההטייה, סוגי הכיסוי הקרקעי וגודל האינברטור כדי להוציא יותר רווח בלי הוצאות נוספות על ציוד.
הדרך קדימה: שילוב AI בתוכנות תכנון סולאריות
המודל של Toprak נכתב ב‑MATLAB עם חציית‑אימות חמש‑פעמית, אבל האלגוריתמים ניתנים להעברה לפלטפורמות קוד פתוח כמו Python scikit‑learn. ככל שכלי תכנון (כמו PVSyst, SAM) יתחילו לשלב מודולי קרינה מבוססי‑ML, מהנדסים יוכלו להעלות מפות אלבדו ספציפיות למיקום ולקבל תחזיות מדויקות גם לצד האחורי. בישראל, שבה הממשלה שואפת ל‑30 % חשמל מתחדשת עד 2030, דיוק כזה יכול לעזור להגיע ליעד בלי להסתמך על תחנות גיבוי יקרות.
מה זה אומר לישראל – חיבור של שגיאת תחזית נמוכה ותפוקת פאנלים דו‑צדדיים גבוהה מקצרים את זמן ההחזר של מערכות ביתיות ומוסיפים רווח לחוות גדולות. עם עלות התקנה של ₪3 150/kWp ותעריף מגורים של ₪0.48/kWh, אפילו שיפור מתון בתפוקה משפר את כלכלת המעבר ל‑30 % אנרגיה מתחדשת.
להעמקה, נסה את המחשבון שלנו וגלוש בנתוני השוק העדכניים.
שאלות נפוצות
איזה מודל למידת מכונה היה הטוב ביותר לחיזוי קרינה דו‑צדדית?
Random Forest השיג את ה‑RMSE הנמוך ביותר (0.188 חזית, 0.236 אחורית) ואת המתאם הגבוה ביותר, והקדים מודלים ליניאריים ו‑MLP.
למה קרינה אחורית קשה לחזות?
הקרינה בצד האחורי תלויה באלבדו של הקרקע, משטחי רפלקציה ובאינטראקציות לא‑קוויות שמקשות על מודלים פשוטים, אך מודלים מבוססי‑עץ מתמודדים איתן היטב.
האם ניתן להשתמש במודלים האלו בפרויקטים סולאריים בישראל?
כן – הקלטים (GHI, DHI, טמפרטורה, רוח, אלבדו, זמן) נמדדים בקלות בישראל, והמודלים משפרים תחזיות ייצור לפאנלים דו‑צדדיים במגוון קנה‑מדים.
כמה אנרגיה נוספת יכולה לקבל חווה של 1 MW?
תשואה של 2‑3 % משמעותה כ‑30 MWh יותר לשנה בדרום הארץ, בערך ₪14,400 לפי תעריף מגורים.
האם תחזית מדויקת משפיעה על תקופת ההחזר של מערכת ביתית?
כן – הפחתת חוסר הוודאות מקטינה את סיכון המימון ומקצרת את ההחזר של מערכת של 10 kWp מכ-3.9 ל‑3.7 שנים.
שתפו את הכתבה
עוד בנושא מחקר
6
רשמת שיא: תאים טנדם 27.35% יעילות
חוקרים סינים באוניברסיטת נאנג׳ינג קבעו שיא עולמי של 27.35% יעילות לתא פרוויאט‑אורגני‑טנדם, תוך שמירה על 80% ביצועים אחרי 744 שעה של חשיפה רציפה.
תא סולרי טנדם 34% – יותר חשמל, פחות גג
Longi ואוניברסיטת סוצ'ו הראו תא פרו‑ווסקייט‑סיליקון טנדם עם יעילות מוסמכת של 34.0% ומתח פתוח של 2.014 V, תוך שמירה על 84% מהביצועים אחרי 2 000 שעה.
AI מנבא עמידות ערימות סולאריות לרוח
צוות איראני בנה מודל AI שמנבא את עמידות ערימות פאנלים סולאריים לרוח עם שגיאה של כ‑7.6 %, בעזרת ארבעה מדדים פשוטים.
איבוד 1.9% בתפוקת סולארית עקב עיכוב בממיר
חוקרים ברזיל מצאו שעיכוב בממיר חותך את התפוקה השנתית של תחנת סולארית ב‑1.88%, כאשר יותר ממחצית ההפסד מתרחשת ב‑90 הדקות הראשונות אחרי הזריחה.
אנרגיה סולארית: פרווסקיט 27% יעילות – מה זה אומר
חוקרים סיניים הגיעו ל‑27.39 % יעילות בתא פרווסקיט עם תוסף חדש, והמודולים הדו‑צדדיים שומרים 99.6 % כוח אחרי 5,000 שעה – פוטנציאל להגדלת תוצר והחזר מהיר לבתים בישראל.
דראון AI מגלה תקלות סולאריות ברגע
דראון אוטונומי עם מצלמות תרמיות ומולטי‑ספקטרליות, המופעל על‑ידי מודל AI EfficientNet‑B0, מזהה תקלות בפאנלים סולאריים ב‑90%+ דיוק, ומספק לבעלי בתים בישראל דרך מהירה לשמור על ייצור החשמל.