Ho pensato ai collettori solari dove diversi specchi indipendenti focalizzano la luce su un collettore solare, simile al seguente design di Energy Innovations.
Poichécisarannodeidifettinell'assemblaggiodiquestosolare,stoprocedendoconleseguentiipotesi(olamancanzadiqueste):
Ilsoftwareconoscela"posizione" di ogni specchio, ma non sa come questa posizione si rapporta al mondo reale o ad altri mirror. Ciò renderà conto della scarsa calibrazione del mirror o di altri fattori ambientali che potrebbero influire su uno specchio ma non sugli altri.
-
Se uno specchio muove 10 unità in una direzione, e quindi 10 unità nella direzione opposta, finirà dove originariamente era iniziato.
Vorrei usare l'apprendimento automatico per posizionare correttamente gli specchi e focalizzare la luce sul collettore. Prevedo di affrontarlo come un problema di ottimizzazione, ottimizzando le posizioni dello specchio per massimizzare il calore all'interno del collettore e la potenza.
Il problema è trovare un piccolo bersaglio in uno spazio rumoroso ad alta dimensione (considerando che ogni specchio ha 2 assi di rotazione). Alcuni dei problemi che prevedo sono:
-
giorni nuvolosi, anche se incappi nell'allineamento dello specchio perfetto, potrebbe essere nuvoloso in quel momento
-
dati dei sensori rumorosi
-
il sole è un bersaglio mobile, si muove lungo un percorso e segue un percorso diverso ogni giorno - sebbene tu possa calcolare la posizione esatta del sole in qualsiasi momento, non sapresti come si rapporta quella posizione ai tuoi mirror
La mia domanda non riguarda l'array solare, ma possibili tecniche di apprendimento automatico che potrebbero essere d'aiuto in questo "obiettivo piccolo in un disturbo". Ho menzionato l'array solare perché è stato il catalizzatore di questa domanda e un buon esempio.
Quali tecniche di machine learning possono trovare un obiettivo così piccolo in uno spazio rumoroso ad alta dimensione?
EDIT:
Alcuni pensieri aggiuntivi:
-
Sì, puoi calcolare la posizione dei soli nel mondo reale, ma non sai come la posizione degli specchi sia correlata al mondo reale (a meno che tu non l'abbia imparata in qualche modo). Potresti sapere che l'azimut del sole è di 220 gradi, e l'elevazione del Sole è di 60 gradi, e potresti sapere che uno specchio è in posizione (-20, 42); ora dimmi, è quello specchio allineato correttamente con il sole? Non lo sai.
-
Supponiamo che tu abbia delle misurazioni del calore molto sofisticate e sai "con questo livello di calore ci devono essere 2 specchi allineati correttamente". Ora la domanda è: quali due specchi (su 25 o più) sono allineati correttamente?
-
Una soluzione che ho considerato era quella di approssimare la corretta "funzione di allineamento" usando una rete neurale che avrebbe preso il sole azimuth e l'elevazione come input e l'output di un grande array con 2 valori per ogni specchio che corrispondono all'asse 2 di ogni specchio. Non sono sicuro di quale sia il miglior metodo di allenamento.
Altre riflessioni:
-
I mirror hanno un sistema di coordinate a cui il software ha accesso, ma il software non sa come questo sistema di coordinate rappresenti il mondo reale. Diciamo che uno specchio è in posizione (4, 42); cosa significa? Non lo so e nemmeno il software. Ma so che se muovo lo specchio e poi lo sposto (4, 42) lo specchio si troverà nella stessa posizione in cui era prima. Inoltre, due specchi possono essere in posizione (4, 42) ma puntare in direzioni opposte nel mondo reale.
-
Sì, con molti sensori di qualità il problema è facile da risolvere. Energy Innovations è fuori commercio come meglio posso dire, probabilmente perché hanno usato un sacco di sensori davvero fantastici e la gente ha detto "Comprerò solo pannelli solari, sono più economici."
-
Gli unici sensori nel sistema si trovano nella testa del raccoglitore.