Des chercheurs de l'Institut Fraunhofer pour les systèmes d'énergie solaire ISE (Fraunhofer ISE) en Allemagne appliquent des techniques d'apprentissage profond et des outils de modélisation de jumeaux numériques pour optimiser les systèmes de contrôle des suiveurs photovoltaïques destinés à être utilisés dansSystème agrivoltaïque.
L'objectif est de pouvoir positionner automatiquement les modules solaires tout au long de la journée pour répondre aux besoins des plantes qui poussent en dessous en fonction des conditions microclimatiques et pour optimiser le rendement en fonction des conditions du réseau et des tarifs. Les chercheurs espèrent développer un système de contrôle prédictif léger et rentable pour les trackers solaires, prêt à être commercialisé.
Le projet, connu sous le nom de DeepTrack, est une collaboration entre Zimmermann PV-Tracker, qui fait partie du groupe Zimmermann PV-Steel, et Fraunhofer ISE. Il s'agissait de mettre en place une centrale électrique dotée de panneaux solaires photovoltaïques bifaciaux sur le site d'essais de performances extérieurs de l'ISE, dans le sud de l'Allemagne. Il prévoit une croissance de l'utilisation de trackers, des systèmes de contrôle plus puissants et une plus grande adoption du système agrivoltaïque (APV) en Allemagne. "
"Dans un premier temps, nous avons développé des séquences de contrôle orientées vers le rendement électrique optimal des modules solaires bifaciaux ou les meilleures conditions pour les installations situées sous le système APV", a expliqué Matthew Berwind, chef d'équipe du Fraunhofer ISE. "La prochaine étape consiste à combiner les deux approches afin que les deux aspects soient maximisés autant que possible. Le calcul de ce point idéal est difficile mais possible avec notre approche basée sur l'IA."
L'installation de recherche utilise des trackers fournis par Zimmermann PV-Tracker et des systèmes de capteurs de surveillance pour mesurer par exemple la lumière diffuse. Les données de terrain collectées sont utilisées dans les modèles de jumeaux numériques, ainsi que certains ensembles de données, tels que les prévisions météorologiques. L’objectif est d’utiliser des techniques d’apprentissage profond de réseaux neuronaux artificiels pour permettre à des systèmes de contrôle de lancer des actions de suivi basées à la fois sur les besoins en lumière des variétés végétales ci-dessous et sur les tarifs de rachat du réseau à certaines heures de la journée, par exemple.
Le site Web du projet indique qu'il s'agira d'un « métamodèle prédictif et moins gourmand en calcul » qui pourra être implémenté sur les ordinateurs grand public.
Les chercheurs s’attendent à une utilisation croissante des trackers. Ils font référence aux nouvelles réglementations allemandes qui devraient permettre une adoption accrue de l'agrivoltaïque, ainsi qu'aux prévisions de l'industrie qui prévoient une pénétration de 60 % du suivi au cours des dix prochaines années, citant la feuille de route technologique internationale pour le photovoltaïque de la Fédération allemande de l'ingénierie (VDMA). Ils soulignent également une tendance du marché espagnol selon laquelle les trackers seraient utilisés dans « la plupart des systèmes photovoltaïques au sol nouvellement construits ».
"Pour les systèmes APV en particulier, avec leur grande variété de cultures et de systèmes, nous voyons un grand potentiel de suivi des systèmes photovoltaïques avec des algorithmes de suivi optimisés", a déclaré Hannes Elsen, chef de produit photovoltaïque chez Zimmermann.
Le projet de recherche DeepTrack est financé par le ministère allemand de l'Économie, du Travail et du Tourisme du Bade-Wurtemberg et devrait se dérouler jusqu'au début de 2025. Il s'agit de l'un des nombreux projets agrivoltaïques sur lesquels travaille actuellement le Fraunhofer ISE.
