Sterownik IoT PV Monitor obsługuje szereg urządzeń i czujników pozwalających na pomiar parametrów środowiskowych. Urządzenie pozyskuje np. dane o wartości promieniowania słonecznego, temperaturze otoczenia, temperaturze paneli fotowoltaicznych i istotnych urządzeń elektrowni, prędkości i kierunku wiatru, wilgotności powietrza, ciśnieniu atmosferycznym, wielkości opadów atmosferycznych.
Zebrane dane są korelowane z parametrami związanymi z produkcją energii elektrycznej, co pozwala na weryfikację efektywności pracy elektrowni, w tym jej poszczególnych urządzeń. Na podstawie gromadzonych danych możliwe jest również monitorowanie procesu starzenia się urządzeń elektrowni oraz określenie spadku efektywności technicznej w funkcji upływu czasu, np. rok do roku. Historia pomiarów w połączeniu z mechanizmami uczenia maszynowego pozwala na predykcję produkcji energii elektrycznej. Na pracę elektrowni fotowoltaicznej mają wpływ warunki pogodowe. Oczywistym jest to, że istotna jest wartość promieniowania słonecznego, ale ważne są również np. temperatura otoczenia oraz prędkość i kierunek wiatru. Z technicznego punktu widzenia ważne są też np. temperatura paneli fotowoltaicznych, temperatura transformatora średniego napięcia, temperatura w szafach stacji transformatorowej gdzie zainstalowane są urządzenia elektroniczne.Sterownik IoT PV Monitor obsługuje szereg urządzeń i czujników pozwalających na pomiar parametrów środowiskowych. Urządzenie pozyskuje np. dane o wartości promieniowania słonecznego, temperaturze otoczenia, temperaturze paneli fotowoltaicznych i istotnych urządzeń elektrowni, prędkości i kierunku wiatru, wilgotności powietrza, ciśnieniu atmosferycznym, wielkości opadów atmosferycznych.
Zebrane dane są korelowane z parametrami związanymi z produkcją energii elektrycznej, co pozwala na weryfikację efektywności pracy elektrowni, w tym jej poszczególnych urządzeń. Na podstawie gromadzonych danych możliwe jest również monitorowanie procesu starzenia się urządzeń elektrowni oraz określenie spadku efektywności technicznej w funkcji upływu czasu, np. rok do roku. Historia pomiarów w połączeniu z mechanizmami uczenia maszynowego pozwala na predykcję produkcji energii elektrycznej.
