Fracsun a annoncé le lancement de son outil de modélisation des pertes de salissures alimenté par l’IA appelé CLEO AICette resolution avancée permet à l’ensemble du secteur du développement solaire d’affiner ses modèles de manufacturing et d’améliorer les hypothèses de rendement énergétique.
Développé par l’équipe d’specialists de Fracsun, le nouveau modèle intègre des mesures précises des pertes de salissures au sol, des données météorologiques détaillées et des algorithmes d’apprentissage automatique pour fournir des simulations de pertes de salissures annuelles précises et localisées. Contrairement aux approches statiques et généralisées, ce modèle dynamique prend en compte des facteurs évolutifs tels que les concentrations de particules fines (PM2,5 et PM10), les niveaux de nitrate et de sulfate, les tendances saisonnières et les impacts du vent et des précipitations.
« Notre objectif est de fournir aux modélisateurs de manufacturing solaire les outils dont ils ont besoin pour améliorer en permanence la modélisation des performances et maximiser les rendements », a déclaré Catlin Mattheis, PDG de Fracsun. « En générant une année météorologique typique (TMY) pour les données quotidiennes de pertes par salissure, notre modèle fournit des simulations granulaires et spécifiques au website des pertes par salissure, permettant aux utilisateurs d’affiner leurs modèles de manufacturing et de planifier les futurs calendriers de upkeep en conséquence. »
La resolution de Fracsun s’appuie sur son vaste réseau de stations de surveillance des salissures, déployées dans 27 pays et représentant plus de 12 GW de capacité solaire installée. Grâce à l’apprentissage automatique, le modèle apprend en permanence à partir de cet ensemble de données en constante augmentation, en intégrant de nouveaux paramètres tels que l’inclinaison des modules et les prévisions météorologiques pour fournir des résultats de plus en plus précis.
« L’encrassement est un problème dynamique et spécifique à chaque website, qui peut avoir un influence significatif sur les performances des actifs solaires au fil du temps », a poursuivi Mattheis. « Grâce au modèle CLEO basé sur l’IA, nos purchasers peuvent désormais gérer ce problème de manière proactive, en optimisant les plans de upkeep et les prévisions de manufacturing pour maximiser leur retour sur investissement. »
Article de presse de Fracsun
