太陽光発電所の空中点検はますます普及しており、多くの企業が太陽光発電所の運用最適化を目的とした空中データ分析を専門としています。台湾では、近年、太陽光発電所の保守・管理におけるドローンの導入が着実に増加しており、システム監視の効率と精度が大幅に向上しています。

太陽光発電所における航空検査の導入増加は当然の流れですが、ドローンの選定やオペレーターの認定といった課題に加え、特にデータ分析と整理において新たな課題も生じています。 中規模および大規模太陽光発電所では、膨大な数のモジュールアレイが体系的に配置されているため、熱画像で検出された欠陥の特定と正確な位置特定が困難です。複数の異常箇所がある場合、エンジニアは正確な位置特定に数日、あるいはそれ以上の時間を要します。多くの場合、データ分析にかかる時間は、実際のドローン検査時間をはるかに上回ります。 位置特定が難しいことに加え、結果の提示も大きな課題となります。システムレイアウトデータの誤りやモジュール位置の誤算は、現場作業員が誤ったユニットを解体してしまうことにつながる可能性があり、貴重な時間とリソースを無駄にしてしまう可能性があります。不正確な情報が継続的に存在すると、航空検査への信頼が損なわれ、最終的にはその価値が損なわれる可能性があります。 手作業による報告は問題をさらに悪化させ、報告書の形式や基準は担当者によって異なることが多く、長期的な比較を困難にしています。この不一致により、PV プラントの劣化を時間の経過とともに追跡する取り組みが妨げられ、予防保守や運用の最適化の機会を逃すことになります。

これらの課題に対処するため、AIを活用した分析を導入し、検査基準を標準化しました。オルソフォトを用いて異常箇所を特定することで、誤差を最小限に抑え、調査員はモバイルデバイスから異常モジュールを迅速に特定し、特定プロセスを迅速化できます。 オルソフォトに基づく位置特定は、太陽光発電プラントの設置環境を文書化できるという利点ももたらし、20年間の耐用年数にわたる環境影響の長期分析を可能にします。さらに、ワンクリックレポート作成機能によりワークフローが効率化され、クラウドベースのデータストレージによりシームレスなアクセスが確保されるため、太陽光発電プラントの航空検査における主要な課題に効果的に対処できます。