Questo sito utilizza i cookie e tecnologie simili. Per continuare la navigazione,  clicca sul pulsante per chiudere.

questo sito non fa raccolta dati degli utenti, pertanto non è soggetta al GDPR.

 EVENTUALI BANNER PRESENTI NEL SITO POTREBBERO FARE RACCOLTA DATI NON DIPENDENTI DA NOI. 

logo

DiSS – Diagnostics for Solar Systems

Software per la diagnosi automatizzata di moduli fotovoltaici basata su immagini all’infrarosso

Silvano Vergura, Dip. di Ingegneria Elettrica e dell’Informazione (DEI), Politecnico di Bari, Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.

Francescomaria Marino, DEI, Politecnico di Bari e APIS APulia Intelligent Systems, Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.

INTRODUZIONE

I moduli fotovoltaici disponibili in commercio hanno un’efficienza relativamente bassa, compresa tra il 10% e il 20% a seconda del materiale utilizzato (silicio, telloruro di cadmio, ecc.); quindi, la diminuzione dell’efficienza (anche di pochi punti percentuali) può pregiudicare fortemente le prestazioni elettriche complessive dell’intero impianto fotovoltaico.

 È noto anche che quasi sempre l’efficienza aumenta all’aumentare della radiazione solare, ma diminuisce all’aumentare della temperatura della cella, quindi una sovra-temperatura è sempre da evitare. Inoltre, poiché le celle di un modulo fotovoltaico sono collegate in serie, il malfunzionamento di una cella ha ripercussioni sulle prestazioni dell’intero modulo fotovoltaico. Ma quali sono le origini di un difetto all’interno di una cella fotovoltaica?

Le anomalie delle celle fotovoltaiche sono dovute o al processo produttivo (process-induced) o al materiale utilizzato (material-induced), ma in ogni caso si manifestano come sovra-temperatura: per questo motivo, le tecniche diagnostiche basate sulla termografia stanno riscuotendo notevole successo. Lo strumento solitamente utilizzato per verificare la presenza di difetti in un modulo fotovoltaico è la termo-camera, un’apparecchiatura simile ad una video-camera ma sensibile alle differenze di temperature (Fig. A); punti più caldi hanno colori tendenti al bianco, punti più freddi hanno colori tenenti al nero. Negli ultimi tempi, infatti, le termo-camere sono utilizzate anche per intervenire tempestivamente in caso di incendi nei boschi, sfruttando la loro sensibilità al calore. Tuttavia, non sempre le immagini termografiche (o all’infrarosso) consentono di definire univocamente lo stato di salute del modulo, sia perché le termocamere hanno una risoluzione relativamente bassa (640x480 pixel è considerata già alta risoluzione), sia perché le informazioni di un’immagine termica sono prettamente qualitative (Fig A). Inoltre, le immagini termiche a volte sono affette da rumore (il noto effetto “pergamena”), quindi non è facile distinguere un sovra-riscaldamento reale da uno apparente, tanto che in questi casi si rende necessario anche un pre-processamento delle immagini all’infrarosso, al fine di effettuare la valutazione su un’immagine “ripulita”. Aziende produttrici di termo-camere propongono anche software di trattamento delle immagini termiche, ma sono software cosiddetti general-purpose, cioè validi qualunque sia l’immagine acquisita dalla termo-camera. Ciò implica che tali software, nonostante la grande versatilità di utilizzo, richiedono molte operazioni manuali da parte dell’operatore e, di conseguenza, molto  tempo. Se si pensa che i grandi impianti fotovoltaici possono essere costituiti da oltre 5.000 moduli fino ad alcune decine di migliaia, ben si comprende che un risparmio di tempo nell’analisi di una sola immagine deve essere moltiplicato per 5.000 o più.

 Fig. A Immagine all’infrarosso di modulo fotovoltaico

Al fine di ottimizzare i tempi di elaborazione delle immagini all’infrarosso di moduli fotovoltaici, è stato proposto un innovativo workflow diagnostico per moduli in silicio cristallino, ideato dal Prof. Silvano Vergura del Politecnico di Bari.

L’automazione del processo diagnostico, illustrati dettagliatamente nel seguito dell’articolo, sono stati implementati in una piattaforma software (DiSS), dalla Spin-off APIS del Politecnico di Bari, sotto la supervisione dello stesso Prof. Vergura. Infatti, pur se poche informazioni devono necessariamente essere inserite dall’operatore (parametri ambientali, soglie critiche per la classificazione delle celle, ecc.), ad un PC si può demandare la quasi totalità delle operazioni, dall’elaborazione delle termo-immagini fino alla generazione automatica di un rapporto di analisi, recante la diagnosi di ogni singola cella del modulo, in forma sia grafica che numerica. Tutto ciò consente un’ottimizzazione dei tempi di lavoro e un’uniformità nella presentazione delle relazioni finali al committente.

Al momento questo è un software unico nel suo genere, in quanto neppure le aziende produttrici di termo-camere, per lo più estere, hanno a catalogo un software analogo, specifico per l’analisi di moduli fotovoltaici.

METODOLOGIA DI ANALISI DELLE IMMAGINI

 Un’analisi delle immagini termiche di moduli fotovoltaici deve prevedere alcuni passaggi fondamentali per garantire la correttezza della diagnosi finale. I principali step, descritti nel seguito, sono riassunti in figura 1.

 L’analisi inizia con il caricare l’immagine all’Infra-Rosso (IR). Poiché l’intera diagnosi è basata su tale immagine, è fondamentale che essa sia stata acquisita con i dovuti accorgimenti, da parte di una persona esperta di termografia, che abbia calibrato correttamente le impostazioni della termo-camera, evitando gli effetti secondari e non voluti di un’acquisizione termica.

Selezione della regione d’interesse

Solitamente, l’immagine acquisita inquadra, oltre al modulo fotovoltaico, anche altri elementi. In tal caso è opportuno isolare la regione di interesse (ROI = Region Of Interest) limitandola a coincidere esclusivamente con il modulo. Questo consente di avere una scala cromatica che contempla tutte e sole le temperature d’interesse. Per un’analisi al livello di singola cella bisogna poi circoscriverne il perimetro, valutare lo stato di salute della stessa e quindi iterare le operazioni per ciascuna cella.

Le predette operazioni, pur necessarie, sono a basso valore aggiunto, ma richiedono parecchio tempo. Per questo motivo la piattaforma DiSS individua e circoscrive automaticamente tutte le celle del modulo fotovoltaico all’interno dell’intera immagine. Ciò avviene semplicemente grazie a 4 marcatori, dai quali viene generata l’intera griglia di suddivisione delle celle che, se convalidata dall'utente, è estratta al fine di costituire la ROI, che verrà usata per tutte le future analisi (Figura 2).

Figura 2 – Individuazione e delimitazione di ogni singola cella. 

Pre-processamento dell’immagine termica

La fase successiva prevede di correggere le distorsioni prospettiche presenti nell’immagine, soprattutto nei casi in cui i moduli sono significativamente inclinati e distanti dal punto di ripresa. In questi casi, infatti, le dimensioni geometriche delle singole celle differiscono non poco fra loro e le temperature sensorizzate dai vari pixel riguardano porzioni di celle di dimensioni differenti, a seconda dell’inquadratura: per le celle più piccole, la temperatura di un pixel riguarda una regione geometrica più ampia.

Per risolvere questa anomalia, DiSS applica una trasformazione geometrica che ridefinisce la geometria della ROI acquisita, al fine di poter elaborare un’immagine depurata dalla deformazione prospettica, avente un numero di pixel uguale per ogni cella.

Inoltre, può accadere che l’immagine sia affetta da rumore di fondo, per cui è necessario filtrare l’immagine IR: ma ciò va fatto senza compromettere le informazioni acquisite, poiché maggiore sarà l’azione del filtro, maggiore sarà il rischio di perdere informazioni significative; pertanto nell’effettuare il filtraggio occorrerà prestare la dovuta attenzione, sia nella definizione del tipo di filtro sia nel suo disegno.

Diagnosi e generazione del report a livello di cella

Finalmente, dopo il pre-processamento, può iniziare la diagnosi vera e propria, consistente in diverse analisi.

In primo luogo, è necessaria una classificazione tra celle uniformi e celle non uniformi sulla base dei parametri statistici propri di ciascuna cella. Infatti, poiché molto spesso la disuniformità sull’immagine IR non è dovuta a difetti interni alla cella, ma a fattori esterni alla stessa (sporcizia sul modulo, bolle d’aria sotto il vetro, ecc.), individuare le celle non uniformi consente una successiva e dettagliata ispezione da parte dell’operatore, tesa a verificare la presenza o meno di fattori esterni. Inoltre, il numero (assoluto e percentuale) delle celle che hanno una temperatura non uniforme costituisce un’indicazione preziosa, dato che esse inficiano il corretto funzionamento dell’intero modulo.

Il passo successivo consiste nell’individuare e classificare, tra le celle uniformi, quelle calde (hot-spot), secondo un diverso grado di sovra-temperatura (hot-spot leggero, medio e forte). Questo aspetto è particolarmente importante perché la riduzione di efficienza, come già detto, dipende inversamente dalla temperatura; quindi gli hot spot forti sono quelli che pregiudicano l’efficienza del modulo più di altri. Evidentemente, tenere traccia della numerosità di hot-spot leggeri, medi e forti consente di valutare l’evoluzione nel tempo della difettosità e predisporre le opportune azioni. Ad esempio, in figura 3 la piattaforma DiSS evidenzia gli hot-spot forti in rosso contrassegnandoli da una lettera S (Strong), gli hot-spot medi in arancione, contrassegnandoli dalla lettera M (Medium), e gli hot-spot leggeri in giallo, contrassegnandoli dalla lettera L (Light). Al contrario, le celle ben funzionanti sono quadrettate in verde e caratterizzate da una lettera N (Normal). E’ anche consigliabile tener traccia delle temperature di ogni cella del modulo, annotando tutte queste informazioni in un report: ad esempio, come mostrato in Figura 4, DiSS evidenzia la temperatura minima e massima per ogni cella.

 Figura 3 – Individuazione e classificazione degli hot spot in funzione della sovratemperatura.

        Figura 4 – Valutazione di ogni singola cella e labeling delle temperature minime e massime.

 Diagnosi e generazione del report a livello di cluster

Inoltre, celle fotovoltaiche con temperature confrontabili, indipendentemente dalla loro collocazione all’interno del modulo, possono essere considerate appartenenti ad una stessa classe formante una famiglia di celle quasi isotermiche, chiamata cluster.

Quindi il workflow prevede un ulteriore step, dedicato all’analisi di tali cluster: ciò è importante anche per monitorare se, nel tempo, i cluster restano costituiti sempre dalle stesse celle o se, invece, l’invecchiamento avviene in maniera differenziata tra celle dello stesso cluster. Ad esempio, la figura 5, relativa alla Cluster Analisys effettuata da DiSS su un modulo in cui sono stati evidenziati tre cluster di celle fotovoltaiche (linkabili dalla scroll-list a sinistra), mostra sul monitor di destra il cluster 1, costituito da due sub-gruppi contigui, chiamati “blob”: uno costituito da 4 celle, l’altro da 14. In DiSS, quest’analisi viene effettuata automaticamente, ma in ogni caso, l’importante è farla e tenerne memoria in un file di report (Figura 6).

 

 Figura 5 –Individuazione e valutazione dei cluster di celle

Diagnosi multipla

Il ramo di back-loop nel workflow in figura 1 ci ricorda che quasi mai l’analisi termica riguarda un singolo modulo, ma spesso più d’uno o al limite tutti.

In uno scenario diagnostico esteso a più moduli, le diverse acquisizioni possono o essere avvenute nelle stesse condizioni ambientali su moduli di tipologia identica (piccoli impianti) o differente, oppure essere avvenute in condizioni ambientali diverse: si consideri infatti che tipicamente sono necessari diversi giorni per fare l’analisi termica di un impianto da 1MWp, costituito da 5.000 e più moduli.

La situazione che permette il massimo risparmio di tempo all’operatore è quella corrispondente a identiche condizioni ambientali e identica tipologia di moduli. Infatti, in questo caso, tutti i parametri già impostati per l’analisi del primo modulo sono riutilizzabili per le successive e la procedura può essere iterata. DiSS prevede questa modalità operativa.

Infine, si vuole sottolineare che qualunque sistema o software per la redazione automatica di report diagnostico consente un grosso risparmio di tempo, ma non si sostituisce al professionista che lui solo, conscio del profilo del gestore, può proporre gli interventi post-diagnosi più opportuni: relativamente ad un modulo con il 20% di celle difettose potrebbe essere in un caso suggerita la sostituzione immediata, in un altro semplicemente segnalata la riduzione di efficienza energetica in atto, rimandando la sostituzione ad un momento successivo.

 

 Figura 6 – Report generato automaticamente da DiSS: prospetto con tavola dei contenuti e schede relative all’analisi delle temperatura e degli hot spot.