การออกแบบอัลกอริทึมสำหรับแผงโซลาร์เซลล์เพื่อใช้วัดความเข้มแสงอาทิตย์

Abstract

ความเข้มแสงอาทิตย์เป็นพารามิเตอร์ที่มีความจำเป็นในการทดสอบและติดตั้งระบบผลิตพลังงานไฟฟ้าจากแผงโซลาร์เซลล์ รวมไปถึงการวิจัยที่เกี่ยวกับการใช้งานแผงโซลาร์เซลล์ โดยใช้เซ็นเซอร์วัดความเข้มแสงอาทิตย์หรือไพรานอร์มิเตอร์ ซึ่งมีข้อจำกัดในด้านราคา อย่างไรก็ตามถ้าสามารถนำเซ็นเซอร์ทางแสง เช่น แผงโซลาร์เซลล์ขนาดเล็กมาประยุกต์ใช้ในการวัดความเข้มแสงอาทิตย์ จะสามารถลดข้อจำกัดดังกล่าวได้ วิทยานิพนธ์นี้เสนอการออกแบบอัลกอริทึมสำหรับแผงโซลาร์เซลล์ขนาดเล็ก เพื่อวัดความเข้มแสงอาทิตย์ให้มีความสามารถใกล้เคียงกับการวัดด้วยไพรานอร์มิเตอร์ โดยนำข้อมูลที่ได้จากแผงโซลาร์เซลล์ขนาดเล็กมาทำการปรับเส้นโค้งกับข้อมูลที่ได้จากไพรานอร์มิเตอร์มาตรฐาน แล้วนำไปฝึกสอนโครงข่ายประสาทเทียมแบบแพร่ค่าย้อนกลับ เพื่อใช้ในการปรับค่าข้อมูลที่ได้จากแผงโซลาร์เซลล์ หลังจากนั้นค่าที่วัดได้จากแผงโซลาร์เซลล์นำไปป้อนเป็นอินพุตของโครงข่ายประสาทเทียมที่ฝึกสอนแล้ว และนำค่าที่ได้จากเอาต์พุตมาเปรียบเทียบกับค่าที่ได้จากการวัดของไพรานอร์มิเตอร์มาตรฐาน จากการทดลองนำวิธีที่นำเสนอไปใช้กับแผงโซลาร์เซลล์ที่มีแรงดันไฟฟ้า 3 โวลต์ และ 5 โวลต์ เปรียบเทียบผลการวัดกับไพรานอร์มิเตอร์ รุ่น SP-110 เป็นระยะเวลา 10 วัน พบว่าค่าที่ได้มีค่าใกล้เคียงกัน โดยมีความคลาดเคลื่อนเฉลี่ย 1.16 และ 1.07 เปอร์เซ็นต์ สำหรับแผงโซลาร์เซลล์ขนาด 3 โวลต์ และ 5 โวลต์ ตามลำดับ สรุปได้ว่าวิธีที่นำเสนอสามารถนำไปใช้วัดค่าความเข้มแสงอาทิตย์โดยใช้แผงโซลาร์เซลล์ขนาดเล็กที่มีราคาถูกได้

Solar intensity is a necessary parameter in testing and installing a photovoltaic power system including research on the use of solar cells. Its intensity is generally measured by using a solar intensity sensor or pyranometer which has limitation on its price. However, if light sensors such as small solar panels could be used to measure solar intensity, this limitation would be reduced. This thesis proposes an algorithm design for small solar panels to measure solar intensity which had almost the same results as those measured by a pyranometer. Data from the small panels were firstly used to make curve fitting with the data obtained from the standard pyranometer. Then they were used to train a backpropagation artificial neural network in order to adjust the data from the solar panels. After that, the light values drawn from the panels were directly fed as the trained neural network input. Finally, the values obtained from the output of neural network were compared with those obtained from the standard pyranometer. Based on the proposed method applied to 3-volt and 5-volt photovoltaic panels, compared with the results of using the SP-110 pyranometer for a 10-day period, similar results were found with an average error of 1.16% and 1.07% for 3-volt and 5-volt photovoltaic panels, respectively. Hence, it can be concluded that the proposed low-cost small solar panels could be used to measure solar intensity.