L’obiettivo nazionale fissato per il 2030 nel PNIEC è quello di raggiungere una capacità installata di fotovoltaico (FV) pari a 52 GW con una produzione di 74 TWh/anno. Per il conseguimento di tale obiettivo è necessario ricorrere a tecnologie più efficienti e a strumenti in grado di preservare i livelli prestazionali degli impianti FV, senza gravare sul costo dell’energia elettrica da fotovoltaico (LCOE).
Negli ultimi anni, le tecniche di Machine Learning trovano applicazione nello sviluppo di algoritmi di identificazione e diagnosi dei guasti (FDD), poiché possono fornire utili indizi agli operatori di Operation and Maintenance e ottimizzare i tempi e i costi di manutenzione.
Nell’ambito della precedente attività di ricerca [1], RSE ha progettato e avviato la realizzazione di una Facility Guasti FV in grado di indurre le principali condizioni di guasto di un impianto FV [2]. Nell’ambito di questo lavoro, RSE ha completato la realizzazione della Facility Guasti FV e ha messo a punto una metodologia per la caratterizzazione del fenomeno di soiling degli impianti FV. I dati delle prove di guasto, archiviati in una database locale, sono stati utilizzati per validare un algoritmo FDD realizzato nell’ambito di un contratto di ricerca con il Politecnico di Milano. Dalla validazione è stato osservato che il modello di identificazione è in grado di segnalare correttamente la presenza di guasto; il modello di diagnosi, basato su due classificatori che lavorano a diversi intervalli di irraggiamento, si è dimostrato una soluzione robusta e molto precisa nel classificare i tipi guasto tra quelli esaminati [1].
RSE ha inoltre analizzato le novità tecnologiche che consentiranno in futuro di realizzare impianti FV sempre più efficienti. Nello specifico, sono state analizzate le prestazioni energetiche della tecnologia bifacciale e dei sistemi di inseguimento solare monoassiali (tracker). Relativamente alla tecnologia bifacciale, è stato osservato un guadagno energetico aggiuntivo, dal contributo posteriore dei moduli FV bifacciali, in media pari al 15% durante l’anno di monitoraggio. Per quanto concerne i tracker, sono state individuate possibili soluzioni per ottimizzare gli algoritmi di inseguimento solare. Infine, analizzando la tecnologia bifacciale installata su tracker è stato possibile osservare come questa soluzione ha raggiunto un guadagno energetico durante i mesi estivi superiore al +35% rispetto alla soluzione monofacciale su struttura fissa.