JultikaUniversity of Oulu repository

Tiivistelmä

Sähköverkon ulkopuolisia aurinkosähköjärjestelmiä voidaan käyttää pienen virrankulutuksen omaavien järjestelmien energialähteenä. Tämän tyyppisiä järjestelmiä ovat esimerkiksi maastoon sijoitetut IoT (Internet of Things) -sensorit. Näiden aurinkosähköjärjestelmien mitoitusta pohjoisilla leveysasteilla ympärivuotiseen käyttöön vaikeuttaa talvikuukausien aikana saatavilla olevan auringonsäteilyn vähäinen määrä ja sen vuosittainen vaihtelu. Tutkimuksen tavoitteena oli selvittää, voidaanko matalatehoisen aurinkosähköjärjestelmän tuottoa parantaa ohjaamalla lataussäätimen toimintaa säteilyennusteen avulla.

Työssä toteutettiin laskentasovellus, jonka avulla mallinnettiin latauksen jaksotusta ja energiakertymää aurinkosähköjärjestelmälle, joka mitoitettiin tyypillistä kaupallista lähettävää riistakameraa varten. Mallinnusten pohjana käytettiin säteilyhavaintoaineistoa, joka oli kerätty Rovaniemen lentokentän sääasemalta vuosien 2010–2021 marras–tammikuussa.

Työssä verrattiin toisiinsa kolmea eri ohjausmenetelmää laskemalla niiden kuukausikohtainen tuotto eri vuosien säteilyhavaintoaineistosta. Säteilyennusteeseen perustuvaa latauksen jaksottamista verrattiin auringon nousu- ja laskuaikojen perusteella jaksotettuun lataukseen. Kymmenen vuoden tarkastelujakson tuloksena säteilyennustukseen perustuva jaksotus tuotti keskimäärin marraskuussa 3,2 %, joulukuussa 35,3 % ja tammikuussa 6,9 % enemmän energiaa kuin auringon nousu- ja laskuaikojen perusteella jaksotettu lataus. Jatkuvasti päällä oleva lataus ei tuottanut energiaa joulukuussa tarkastelujakson aikana.

Tämän työn perusteella pimeissä olosuhteissa lataussäätimen ohjausmenetelmänä on kannattavaa käyttää säteilyennusteeseen perustuvaa latauksen jaksottamista. Sen avulla saadaan kerättyä muita ohjausmenetelmiä enemmän energiaa ja se huomio vuosittaisen auringonsäteilyn määrän vaihtelun.

Charging control of the photovoltaic system based on radiation forecast

Abstract

Off-grid photovoltaic systems are typically used as a power source for low-power systems, including off-road IoT (Internet of Things) sensors. The sizing of these photovoltaic systems in northern latitudes for year-round use is hampered by the small amount of solar radiation available during the winter months and its annual variability. The study aimed to determine whether the output of a low-power photovoltaic system can be improved by controlling the operation of the charge controller using radiation prediction.

This thesis included implementing a computational application to model the charge cycle and energy accumulation for a photovoltaic system that was dimensioned for a typical commercial transmitting trail camera. The modelling was based on radiation observation data collected from the weather station at Rovaniemi Airport in November–January 2010–2021.

The thesis compared three control methods by calculating their monthly return from radiation observation data from different years. The charging cycle based on radiation forecast was compared to that based on sunrise and sunset times. As a result of the ten-year review period, cycling based on radiation prediction produced an average of 3.2% more energy in November, 35.3% in December and 6.9% more in January than charging based on sunrise and sunset times. The continuous charging method did not generate energy in December during the review period.

Based on this thesis, it is advantageous to use charge cycling based on radiation prediction as a control method for charge controller in dark conditions. It allows more energy to be collected than other control methods and considers the variation in the amount of solar radiation each year.