Ouça este conteúdo
O Future Grid, Centro de Competência Embrapii em Smart Grid e Eletromobilidade do Lactec, desenvolveu o Solo – Sistema de Detecção de Perdas por Sujidade. A solução utiliza machine learning para identificar, em tempo real, quando a queda de desempenho de painéis fotovoltaicos está relacionada à sujeira, dispensando a necessidade de dados climáticos externos.
Estudos da Agência Internacional de Energia (IEA) (Relatório IEA-PVPS T13-21:2022) indicam que, depois da irradiação solar, a sujeira é o fator que mais impacta o desempenho dos painéis, podendo causar perdas anuais de 3% a 5% na produção de energia. Além disso, o acúmulo de resíduos pode elevar a temperatura dos módulos, afetando sua vida útil e aumentando custos operacionais.
Siga as últimas notícias de negócios no estado pelo Linkedin da Paraná S.A.
"O Solo monitora o desempenho dos inversores fotovoltaicos — tanto os string (usados em grandes usinas) quanto os microinversores (comuns em sistemas residenciais) — e diferencia perdas por sujidade de outros fatores, como variações de temperatura e irradiação", explicam os pesquisadores Natalia Menezes e Eduardo Massashi Yamao, coordenadores do projeto no Lactec.
A proposta do sistema é enviar alertas automáticos quando a limpeza se tornar necessária, evitando manutenções desnecessárias e perdas prolongadas de eficiência. Isso é especialmente relevante em grandes usinas, onde cada 1% de perda representa um impacto financeiro significativo.
O Solo foi desenvolvido para atender desde pequenos produtores, como residências e fazendas, até grandes usinas solares. Entre suas vantagens está o aumento da geração de energia, já que minimiza perdas por sujeira, além de reduzir custos operacionais ao evitar limpezas prematuras ou tardias. A solução também contribui para uma maior vida útil dos painéis, mantendo a operação dentro da eficiência ideal.
O projeto do Lactec, um dos maiores centros de pesquisa, tecnologia e inovação do Brasil, conta com uma estação experimental que simula diferentes níveis de sujeira, correlacionando-os à produção de energia em tempo real, temperatura, irradiação solar e parâmetros elétricos dos inversores. “Com base nesses dados, os algoritmos de aprendizado de máquina são treinados para reconhecer padrões de perda de eficiência causados pela sujidade”, detalham Natalia e Eduardo. O resultado é um sistema preciso e autônomo, que opera localmente sem exigir modificações complexas nas instalações existentes.
VEJA TAMBÉM:
