先進国では、太陽光発電システムへの熱画像空撮の活用がますます普及しています。すでに、熱画像空撮と解析を専門に行う企業も存在します。近年、台湾でも太陽光発電システムの運用・保守業務にドローンを活用する人が増えてきています。

この傾向は非常に理にかなっていますが、同時に多くの人が気づき始めています。ドローンの選定や操縦資格の取得といった基本的な要素に加え、点検後に発生する膨大なデータの解析と整理こそが大きな課題であるということです。 中・大規模の太陽光発電システムでは、規則的に並んだ多数のモジュールアレイが存在するため、熱画像で検出された異常モジュールに対して解析と正確な位置特定が必要になります。もし熱異常が多い場合、正確な位置を特定するためにエンジニアが数日以上費やすこともあり、解析作業の負担は実際のドローン点検時間をはるかに上回ります。 また、結果の表示方法も大きな問題です。システムのモジュール配置図に誤りがあったり、ラベリングや読み取り時に人為的なミスが発生したりすると、現場の作業員が誤ったモジュールを取り外す可能性があり、時間と労力が無駄になります。こうしたミスが多発すると、点検結果への信頼性が失われ、熱画像空撮の価値がゼロになってしまうこともあります。 さらに、手作業による報告では、報告書の形式や基準が担当者によって異なるという問題もあります。このため、異なる時期の報告を比較することが難しくなり、太陽光発電システムの劣化や運用状況を長期的に追跡・分析する貴重な機会を逃してしまいます。

上記の課題を踏まえ、熱欠陥 AI 解析を導入することで解析基準を統一し、オルソ画像による異常箇所の標定を行うことで、モジュール配置図との不整合による誤認識を防ぐことができます。 現地調査員はスマートフォンを使って異常モジュールの位置を容易に特定でき、異常モジュール探索にかかる時間と人的ミスを大幅に削減できます。 さらに、オルソ画像による標定は、太陽光発電システムの設置環境を同時に記録できるという利点もあり、20 年にわたるシステム運用期間中における環境要因が発電量へ与える影響分析にも役立ちます。 Smart O&M におけるクラウド可視化システムは、これらの課題を根本的に解決します。 ワンクリックレポート生成や過去検査結果との比較は基本機能として備わっており、クラウド上のデータはいつでも閲覧可能です。 本システムは、現在の熱画像ドローン解析における課題を的確に解決しており、導入ユーザーからも高い評価を得ています。ぜひ一度お試しください。