Potential for Solar Rooftop With UAV

ต่อตอนที่ 2 นะครับกับซีรีย์ UAV Remote Sensing ผมอยากให้ เห็นถึง ศักย์ภาพและการประยุกต์ใช้งาน เพื่อเปลี่ยนแนวคิดของ Drone ว่าเป็นเพียง ของเล่น อันนี้คืออีกงานที่ผม เพิ่งมีโอกาสได้ให้คำปรึกษาไป เลยเอามาเป็นกรณีศึกษาเพื่อแชร์ ให้ได้ดูกันเบื้องต้น เพื่อใครจะไปทำต่อ หรือต่อยอด อันจะเกิดประโยชน์ก็ไม่ว่ากัน

โจทย์อันหนึ่งที่ ผมได้รับ และขอคำปรึกษาคือ ต้องการทำโครงการ solar roof top ในหมู่บ้านจัดสรร อยากได้แนวทางการคำนวณความคุ้มค่า และระบบ ที่ช่วยประเมินศักย์ภาพการผลิตไฟฟ้าจากแสงอาทิตย์ เพื่อช่วยให้ตัดสินใจ ในการลงทุน และใช้เป็นฐานข้อมูลในการส่งเสริมการพัฒนาต่อไป

30897200solarrooftops

ภาพประกอบจากอินเตอร์เน็ต

ชั่วโมงนี้หลายคนคงคุ้นเคยกับโครงการนี้ มีเอกชนหลายรายขายระบบ ทั้งอุปกรณ์แผงโซล่าเซลล์ และแบตเตอร์รี่ รวมถึงปัจจุบันผมเห็นมี บริษัทสร้างหมู่บ้านจัดสรร ก็มีโครงการโปรโมชั่น ส่งเสริม การผลิตไฟฟ้าจาก solar roof กันแล้ว

คำถามคือ จะทราบได้ยังไง ว่ามันคุ้ม ตรงนี้ GIS + โมเดลคณิตศาสตร์ มีคำตอบให้ได้ แต่ key คือการสร้างข้อมูล เพื่อนำมาวิเคราะห์ในโมเดล ตรงนี้สิยา่ก เพราะ บ้านเรายังขาด ในภาพเล็ก ภาพใหญ่ แบบไม่ละเอียด เราหาได้ฟรี จากทั้งของ NASA และจากหน่วยวิจัยในต่างประเทศ ที่เขามีผลิตแจก กัน.

yearmap

ข้อมูลจากกระทรวงพลังงาน

แต่พอมันหยาบ ทำให้การคำนวณ IRR เพือ่ได้ค่าที่แน่นอน ในการหาจุดคุ้มทุน ในการลงทุนระบบมันจึงยาก วันนี้ผมมีไอเดียมาแนะนำ

หลักการคือ การเอา UAV หรือ Drone มาสร้าง ข้อมูลเชิงพื้นที่ โดยวางแผนการบินถ่ายภาพในพื้นที่ ครอบคลุมโครงการ

maxresdefault

ตัวอย่างระบบของDJI Phantom 3 มี Fight control ที่ช่วยให้เราสามารถวาง way point การบินได้ง่ายอยู่แล้ว โดยเฉพาะกรณีระดับบ้านหมู่บ้าน งานต่อมา คือการประมวลผลปรับแก้ หรือ Photogrammetry งานนี้ ถ้าเราต้องการ ได้ Ortho map ที่ดี อาจจะต้องใช้หมุด GCP ที่มีความถูกต้องช่วย เพราะ GPS จากระบบของ UAV เอง ความถูกต้องในโหมด SBAS เองได้แค่ 2 เมตร +/- เท่านั้นตรงนี้อาจจะไม่ดีพอ

unnamed

ตัวอย่าง app DroidPlanner 3

แต่ถ้าบินในเมืองการหาหมุด GCP ของผังเมือง หรือ กรมที่ดินก็น่าช่วยได้ดีขึ้น แถมถ้าได้หมุดชั้นหนึ่งมีระดับ มาด้วยยิ่งแจ่ม

ข้อมูล Ortho map จะทำให้เราได้ภาพ แผนที่หมู่บ้าน ที่สามารถนำเข้าระบบ GIS เพื่อจำแนก polygon ของบ้านแต่ละหลัง และใช้คำนวณพื้นที่ติดตั้งได้

แต่สิ่งสำคัญอยู่ที่ การสร้าง DSM(digital surface model) จากกระบวนการรังวัดด้วยภาพ คู่ซ้อนที่ได้จาก UAV ตรงนี้กล้องระดับ 12 ล้าน ในความสูงบินที่ไม่มาก จะทำให้การจับคู่ภาพ มีประสิทธิภาพดี บวกกับไม่มีประเด็นเรื่องเมฆมาคลุม นอกจากนี้ ความสูงของจุดเปิดถ่าย ที่หามาจาก ความกดอากาศ ในตัว Drone มันจะมีความแม่นยำสูงมากระดับ เซนติเมตร (กรณีไม่มั่นใจ ลองทดสอบระบบ RTH ของ UAV ก่อนได้)
การได้ DSM และหา DEM ที่ได้มาจากการบินถ่ายด้วย Drone นี้คือ Key ที่ทำให้เราสามารถนำข้อมูล มาประมวลผลใน  Solar  irradiation model

โดยความสูงของระดับบ้าน อาคารที่ได้แบบ GRID จาก DSM ก็จะนำมาสร้าง Mesh หรือโครงข่ายสามเหลี่ยม เพื่อทำ surface analysis วิเคราะห์หา aspect (topographic slope face) ที่จะบอกค่าน้ำหนักและมุมตกกระทบของแสงอาทิตย์ ตรงนี้พอใช้การวิเคราะห์เชิงพื้นที่ ร่วมกับ วงโครจรของดวงอาทิตย์ และข้อมูลอื่นๆ ก็จะทำให้เราได้ ข้อมูล solar radiation ที่บอกปริมาณไฟฟ้าที่ผลิตได้โดยประมาณในแต่ละอาคาร ซึ่งขึ้นกับ ความข้อมูลหลังคาอาคาร  หน่วยเป็น kWh/m2

โมเดลการคำนวณ solar radiation ใช้ได้หลายโมเดล ทั้งของเยอรมัน หรือของบริษัทเอกชน แต่นอกจากข้อมูล เชิงพื้นที่ ที่เรานำมาใช้แล้ว ยังต้องมี ข้อมูลสภาพอากาศ เช่น ความชื่น ปริมาณเมฆ อุณหภูมิเฉลี่ย  และข้อมูล solar tracing system(มุมและวงโคจรของดวงอาทิตย์ในคาบเวลาต่างๆ) มาประกอบได้ ข้อมูลนี้มีให้ download ใช้งานฟรี

8-22-2015 5-49-55 PM

ตัวอย่างผมลองใช้โมเดล solar radiation รันหาค่าศักยภาพแบบเบื้องต้น กรณีแบบ clear sky  พื้นที่ประมาณ 5 ตร.กม บริเวณพื่นที่ทดลองในไทยออกมา  ได้ค่าเฉลี่ยในรอบปี แต่แน่นอนว่า ความแม่นยำของโมเดลก็ ขึ้นกับช้อมูลตั้งต้นที่เรามีด้วย ถ้าเราสามารถหาข้อมูลได้ละเอียด ค่าที่ได้ก็จะมีความแม่นยำ เพิ่มขึ้นไป

ตรงนี้ สามารถใช้เป็นข้อมูลประกอบในระบบสนับสนุนการตัดสินใจ เพื่อลงทุน ในการดำเนินระบบ พลังงานแสงอาทิตย์ solar rooftop ต่อไปได้ ว่าจะมีความเป้นไปได้ หรือคืนทุน มากน้อยเพียงใด

8-22-2015 4-57-24 PM

ตัวอย่างระบบของ MIT เขาใช้ LIDAR ในสเกลระดับเมือง เป็นโครงการใหญ่ solar city เพื่อสนับสนุนให้คน หันมาร่วมผลิตไฟฟ้าจากแสงอาทิตย์ โดยระบบนี้มีโมเดลการประเมินความคุมทุน จากการติดตั้งระบบให้ด้วย

ผมของลงรายละเอียดคราวๆประมาณนี้ นักวิจัยและนักพัฒนาระบบที่สนใจ ลองไปหาข้อมูลเพิ่มเติมได้ครับ

Advertisements

ใส่ความเห็น

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / เปลี่ยนแปลง )

Twitter picture

You are commenting using your Twitter account. Log Out / เปลี่ยนแปลง )

Facebook photo

You are commenting using your Facebook account. Log Out / เปลี่ยนแปลง )

Google+ photo

You are commenting using your Google+ account. Log Out / เปลี่ยนแปลง )

Connecting to %s

สร้างเว็บไซต์หรือบล็อกฟรีที่ WordPress.com.

Up ↑

%d bloggers like this: