光伏的發展將需要對現有基礎設施進行更仔細的監控，以確保其完美的功能。因此，無人機和人工智能技術的重要性，旨在保證無人機的自主性和更高的智能。光伏運營和維護業務將增長，到 2025 年具體支出將達到 90 億美元。

在 太陽能設備的操作和維護 (O&M) 中使用無人機，特別是用于檢查光伏系統，將變得越來越重要，特別是對于大型太陽能園區。

人工智能對于提高無人機的自主性及其監控和識別能夠造成巨大損失的異常情況的能力至關重要。

人工智能和無人機在光伏領域的聯合使用，可以提高監控系統，尤其是大型監控系統的準確性，并使其更簡單，降低運維成本。

光伏電池板可確保出色的產量，但必須保持最佳狀態。因此，需要持續維護，這在 maxi 系統中變得復雜。讓我們想想中國龍羊峽大壩的太陽能公園。它是世界上最大的：占地27平方公里，包括400萬塊太陽能電池板。因此，需要不斷進行維護干預，這涉及大量成本。

據 Wood Mackenzie 稱，從現在到 2025 年，每年用于太陽能設備的操作和維護干預的支出將達到 90 億美元。逆變器已接近使用壽命的太陽能發電廠現在占全球光伏市場的 5%。這個數字將在未來四年內增長到 16%。

結合計算機視覺系統和先進的成像相機，無人機將改變對可再生能源場地和相關設備的檢查格局。Frost & Sullivan 在題為“太陽能和風電場檢測數字技術的進步”的報告中指出，這是一種注定會增長的趨勢。它闡明了太陽能和風電場的傳統檢查方法在時間和成本方面的浪費。由于無人機充分準備了人工智能研究領域的技術，并利用了云計算和增強現實系統，所有這一切都將發生巨大變化。

無人機的工作和人工智能的重要性

我們應該如何想象人工智能和無人機在光伏方面的結合使用？無人機的主要用途與熱成像和目視檢查有關。視覺成像在模塊、接線和其他系統組件上很有用，而紅外熱成像有助于識別由故障二極管引起的熱點。后者用于光伏模塊中，其任務是在發生部分遮光時保護太陽能電池免受過熱。多虧了它們，才能更有效地診斷光伏系統的性能問題。

無人機使用目標跟蹤和自我導航工具，無需人工干預即可進行檢查，甚至可以從難以到達的地方快速捕捉圖像。

人工智能在識別捕獲的數據中遇到的潛在問題方面提供了寶貴的支持。與所有設備相連的云存儲收集到的數據，而 AR 和 VR 系統為技術人員提供了理想的虛擬環境，因此他們可以遠程查看儀器 [有關 AI 的更多信息，我們建議閱讀我們的人工智能指南解釋它是什么，它的用途以及應用示例是什么- ed]。

除了無人機，還有機器人系統的空間——可以進行遠程維護和檢查，而5G 將使數據傳輸速度更快，無人機使用效率更高。

用于光伏的人工智能和無人機：Follow PV 項目

要想實現運維和業內人士期待已久的質的飛躍，必須借助人工智能和無人機進行光伏發電。拉夫堡大學的研究人員很清楚這一點，因為他們致力于開發下一代無人機技術，用于自主、快速、超高分辨率的太陽能工廠檢查。該團隊的承諾是一個名為“Follow PV”的新合作項目的一部分，該項目由 Innovate UK（英國創新署）資助，該項目包括來自同一所大學和埃塞克斯大學的航空和汽車工程系的專家。該項目旨在通過開發自主無人機為能源行業提供解決方案，致力于降低成本和提高效率。

在特定情況下，配備特定攝像頭和物聯網傳感器的無人機將用于收集光伏太陽能模塊和專用平臺的數據，識別任何缺陷。它通過應用機器學習技術來生成有關植物健康的詳細而準確的報告來做到這一點。研究人員解釋說，這種解決方案比使用便攜式設備的手持地面檢查更快、更準確。

一些能夠檢測早期系統性退行性問題的缺陷僅在近距離可見。目前的無人機技術仍然不夠精確，無法安全、自主地飛得更接近太陽能電池板的表面。

該項目匯集了光伏技術、機器人技術、人工智能、傳感器和嵌入式系統方面的專家，正是為了開發一種能夠執行快速計算并能夠利用人工智能技術和檢測技術在飛行中進行修正的無人機。只有這樣，飛行器才能詳細捕捉到光伏組件的狀況。

無人機在太陽能運維中的首次使用

多年來，該行業的多家公司都在利用人工智能和無人機進行光伏發電。其中之一，意大利 Enel Green Power，是世界上第一個在西班牙最大的太陽能園區體驗到好處的公司之一，正是為了提高監控和預防工廠故障的能力。

今年，Enel Brasil 開始利用這種組合來檢查光伏電站以及輸配電網。通過在其設備中集成和處理人工智能軟件的無人機，它打算實時分析在南美國家首次收集到的圖像。

目的很明確：無人機 (UAV) 獲取數據的速度比其他手動過程快近 50 倍，因此非常經濟。

由于太陽能園區的表面非常大，配備熱傳感器和 RGB 傳感器的無人機實際上可以覆蓋更多的地面來識別缺陷，而不是手動程序。熱映射和 RGB 傳感器在檢查太陽能裝置時為公司提供了一個全面的視角，而手動映射不提供。此外，使用無人機進行檢查，避免了工人進行檢查操作的危險。

研究視角：自主無人機的深度學習

然而，到目前為止，工廠檢查仍然主要是手工工作。通過基于圖像的評估程序，通常使用無人機進行測量，無人機由飛行員引導通過模塊區域。在專家評估它們以識別模塊、串或電池缺陷之前，必須對生成的圖像進行后處理。這個過程需要時間，因此很昂貴。

出于這個原因，研究工作盡快到達，以具體使用人工智能和無人機進行光伏發電。在這方面，應該提到德國的COSIMA項目。由聯邦經濟和能源部資助的 HI-ERN 研究所、紐倫堡技術大學以及 Allianz Zentrum für Technik AZT（安聯風險咨詢）以及多家公司與其合作。

該項目的目標是實現全自動和快速的系統檢查。為此，他致力于創造一種無人機，能夠按照預先編程的路徑自主飛行，并用特殊的攝像頭記錄光伏系統的視頻。該相機檢測系統發出的光，并生成包含太陽能電池和模塊缺陷詳細信息的圖像。在這種情況下，使用了深度學習技術：通過預先訓練的神經網絡檢測任何錯誤，自動處理和評估各個模塊的圖像。

用于光伏的人工智能和無人機：意大利團隊在工作

意大利烏迪內大學的數學、計算機和物理科學系 (DMIF) 也致力于深度學習技術的應用。一段時間以來，該部門團隊一直致力于將人工智能與無人機相結合用于光伏發電。在這方面，它正在開發一個專門用于檢測大型光伏系統異常的內部項目， 并積極研究最佳飛行參數。

人工智能在幾個領域對無人機有用。第一個涉及自主飛行，包括起飛和著陸階段。這意味著無人機有能力在飛越過程中通過傳感器識別地面上的物體甚至事件。在特定情況下，進行飛行，獲取待分類對象的圖像，訓練神經網絡進行識別，然后在飛行期間進行分類。直接訓練是必要的，因為根據飛行的特性（主要是高度和速度），所獲得的地面物體圖像會完全改變。

DMIF 網絡安全和多媒體通信網絡與技術教授 Gian Luca Foresti 解釋道。然后還有其他情況需要使用人工智能進行自主飛行，其中一個 - 同一部門正在研究 - 涉及在沒有 GPS 信號的情況下的飛行。在這種情況下，結合經典和深度學習技術來識別地面控制點、與地圖（例如衛星）進行比較以及無人機相對于這些點的間接定位。