Teknologi AI Deteksi Dini Kerusakan Panel Surya Industri
Teknologi sensor berbasis AI mendeteksi lebih dini kerusakan panel surya hingga tingkat modul, meningkatkan keandalan, efisiensi, dan menaikkan produktivitas pembangkit listrik tenaga surya industri. Indonesia memiliki potensi energi surya sebesar 3.294 GWp, berapa persen yang sudah dimanfaatkan?

Sistem fotovoltaik di atap Elbfabrik, sebuah pabrik penelitian milik Fraunhofer IFF (Foto/©: Anne Bornkessel/ Fraunhofer IFF)
Penulis/editor: Rayendra L Toruan
“Thank you for visiting mmindustri.co.id. Subscribe for the latest news and insight. Enter your email (Your email address will not be published)
mmINDUSTRI.co.id – Fraunhofer IFF (sumber): Sistem sensor berbasis modul mendeteksi kerusakan pada pembangkit listrik tenaga surya skala besar yang berlangsung lebih dini.
Keandalan pembangkit listrik tenaga surya atau photovoltaic (PV) kini memasuki babak baru. Ketika kapasitas pembangkit semakin besar dan jumlah panel mencapai puluhan ribu unit, mendeteksi gangguan lebih dini dan merupakan tantangan penting bagi operator.
Kerusakan satu modul surya yang tidak teridentifikasi dapat memengaruhi kinerja seluruh rangkaian panel, menurunkan produksi listrik, bahkan meningkatkan biaya operasional.
Menjawab tantangan tersebut, para peneliti di lembaga Fraunhofer Institute for Factory Operation and Automation (IFF), Jerman, bersama mitra industri mengembangkan sistem sensor berbasis modul yang mampu memantau kondisi setiap panel surya secara lebih terperinci.
Teknologi yang dikembangkan melalui proyek bernama ZeroDefect4PV itu menggabungkan sensor beresolusi tinggi, kecerdasan buatan atau artificial intelligence (AI), analisis anomali, serta sistem pengelolaan data terintegrasi.
Dengan pendekatan tersebut memungkinkan operator mengetahui indikasi gangguan, mengidentifikasi sumber kerusakan, dan menentukan tindakan pemeliharaan sebelum gangguan berkembang seperti kehilangan produksi listrik yang lebih besar.
Bagi perusahaan pengguna energi surya di Indonesia, inovasi ini relevan seiring dengan meningkatnya kebutuhan terhadap pasokan listrik yang andal, efisiensi energi, dan pengendalian biaya operasional.
Pembangkit listrik tenaga surya skala besar memiliki ribuan hingga puluhan ribu modul fotovoltaik yang saling terhubung. Dalam konfigurasi tersebut, gangguan pada satu komponen dapat memengaruhi kinerja rangkaian atau string panel secara keseluruhan.
Salah satu persoalan utama adalah keterbatasan sistem pemantauan konvensional. Umumnya, pengawasan dilakukan pada tingkat string atau inverter, bukan setiap modul secara individual atau satuan.
Akibatnya, operator hanya memperoleh gambaran kinerja agregat. Kondisi spesifik masing-masing panel, termasuk penurunan performa, kerusakan komponen, dan penyimpangan karakteristik listrik, sulit diketahui secara langsung.
Akibatnya, risiko semakin besar ketika terjadi kerusakan pada dioda bypass. Komponen ini berfungsi membatasi penurunan daya akibat gangguan pada modul tertentu. Apabila dioda bypass mengalami kerusakan, efisiensi rangkaian panel yang saling terhubung menurun secara signifikan.
Beberapa gangguan yang berpotensi tidak terdeteksi secara cepat meliputi:
– Hotspot atau peningkatan suhu lokal pada panel.
– Retakan sel surya atau cell cracks.
– Delaminasi atau terlepasnya lapisan material modul.
– Kerusakan dioda bypass.
– Gangguan kabel dan sambungan listrik.
– Bayangan akibat bangunan, pepohonan, atau benda lain.
– Penumpukan debu, kotoran, dan salju.
– Penurunan performa modul yang tidak seragam.
– Gangguan isolasi dan kebocoran arus ke tanah yakni ground faults.
Selama gangguan tersebut belum teridentifikasi, operator berpotensi kehilangan produksi energi tanpa mengetahui penyebab utamanya.
Solusi: Sensor cerdas memantau setiap modul
Pusat Operasi Energi untuk Solusi Jaringan Cerdas atau Smart Grid (gambar kiri), dan gambar kanan Adalah ruang kendali di Elbfabrik (Foto/©: Andreas Lander/ Fraunhofer IFF)
Fraunhofer IFF bersama mitranya, BEIA Consult International dan INELSO Innovative Electrical Solutions mengembangkan sistem pemantauan yang bekerja langsung pada tingkat modul.
Berbeda dari pendekatan konvensional, teknologi ini menggunakan data collection unit (DCU) yang dipasang pada bagian belakang modul fotovoltaik.
Sensor tersebut mengukur tiga parameter utama: 1. Tegangan arus searah atau DC voltage pada setiap modul; 2. Arus searah atau DC current yang dihasilkan masing-masing modul; dan 3. Temperatur modul sebagai indikator tekanan termal dan kemungkinan gangguan.
Data intensitas radiasi matahari juga diperhitungkan melalui stasiun cuaca terpisah. Informasi ini penting karena perubahan intensitas matahari dapat memengaruhi produksi listrik dan harus dibedakan dari indikasi kerusakan perangkat.
Seluruh data kemudian dikumpulkan, disinkronkan, diproses, dan dianalisis melalui platform digital terpusat.
Sistem komunikasi sensor menggunakan arsitektur master-slave dalam jaringan sensor berbasis mesh. Protokol ESP-NOW digunakan untuk komunikasi dalam jaringan sensor, sedangkan LoRaWAN mendukung transmisi data menuju titik pengumpulan atau gateway.
Selanjutnya, informasi diteruskan ke platform pengolahan data di ruang kendali untuk dianalisis menggunakan model AI.
Dengan pendekatan tersebut, operator akan mengetahui bahwa produksi listrik menurun, dan memperoleh informasi lebih terperinci mengenai modul atau komponen yang berpotensi menjadi sumber gangguan. AI pun mengidentifikasi anomali dan sumber kerusakan.
Keunggulan penting teknologi ZeroDefect4PV terletak pada kemampuan AI untuk mengenali pola operasi normal dan membandingkannya dengan kondisi aktual setiap modul.
Model AI terlebih dahulu dilatih dengan menggunakan data yang mencakup berbagai kondisi dan jenis kerusakan. Setelah diterapkan, sistem menganalisis perubahan karakteristik arus dan tegangan untuk mendeteksi penyimpangan.
Apabila ditemukan anomali, sistem dapat mengklasifikasikan indikasi gangguan dan membantu menentukan lokasi sumber masalah.
Sebagai contoh, ketika produksi listrik string A lebih rendah dibandingkan string B, operator dapat menelusuri modul yang menunjukkan karakteristik tidak normal.
Sistem juga menyediakan rekomendasi tindakan melalui fungsi bantuan yang ditampilkan pada monitor ruang kendali.
Rekomendasi tersebut dapat berupa:
– Membersihkan modul yang mengalami penumpukan kotoran.
– Memeriksa modul yang mengalami kenaikan temperatur tidak normal.
– Mengganti modul yang mengalami kerusakan.
– Memeriksa dioda bypass, kabel, dan sambungan listrik.
– Mengevaluasi gangguan akibat bayangan atau ketidaksesuaian performa antarmodul.
Dengan demikian, pemeliharaan tidak lagi hanya mengandalkan inspeksi berkala atau menunggu penurunan produksi listrik terlihat pada tingkat inverter.
Selama ini, operator pembangkit surya memanfaatkan beberapa metode untuk memeriksa kondisi instalasi. Namun, setiap metode mempunyai keterbatasan.
Monitoring inverter merupakan metode pemantauan yang umum digunakan untuk mengawasi kinerja pembangkit listrik tenaga surya. Data yang dihasilkan bersifat agregat sehingga operator tidak dapat mengetahui kondisi setiap modul secara individual.
Penggunaan drone dan kamera membantu memeriksa kondisi fisik panel surya dari area yang luas. Meski demikian, pemantauan biasanya dilakukan secara periodik dan pelaksanaannya dipengaruhi kondisi cuaca serta lingkungan lapangan.
Termografi inframerah efektif untuk mendeteksi hotspot atau peningkatan temperatur tidak normal pada panel. Akan tetapi, metode ini belum mampu mengidentifikasi seluruh jenis gangguan listrik maupun degradasi material modul.
Teknologi sensor yang dikembangkan dalam proyek ZeroDefect4PV (Foto/©: Fraunhofer IFF)
Pembangkit listrik tenaga surya skala besar sering kali terdiri dari puluhan ribu modul dan komponen.
Inspeksi manual memungkinkan teknisi memeriksa kondisi panel secara langsung untuk menemukan kerusakan atau gangguan tertentu. Kelemahannya, kegiatan ini membutuhkan waktu, tenaga kerja, dan pemeriksaan langsung di lokasi sehingga kurang efisien untuk pembangkit berskala besar.
Sensor tingkat modul menawarkan pendekatan yang lebih terperinci karena mampu menyediakan data setiap panel secara individual. Informasi tersebut mendukung pemantauan berkelanjutan, identifikasi penyimpangan kinerja, dan deteksi dini gangguan sehingga operator dapat merencanakan pemeliharaan secara lebih tepat.
Termografi inframerah membantu mengidentifikasi hotspot dan retakan sel yang terlihat melalui perubahan karakteristik termal. Sejumlah gangguan seperti degradasi material, kerusakan lapisan belakang modul atau backsheet dan masalah sambungan listrik tidak selalu dapat diketahui melalui pemeriksaan visual atau termal.
Oleh karena itu, kombinasi pengukuran listrik, temperatur, data cuaca, dan analisis AI menawarkan pendekatan yang lebih menyeluruh.
Pengembangan teknologi ZeroDefect4PV selain desain sensor dan model AI, para ahli Fraunhofer IFF melakukan pengujian prototipe di fasilitas percontohan.
Pengujian mencakup akurasi pengukuran sensor, stabilitas perangkat, keandalan komunikasi, serta integrasi dengan infrastruktur teknologi informasi dan komunikasi.
Para peneliti juga melakukan simulasi gangguan dengan memberikan bayangan pada modul menggunakan daun dan menganalisis perubahan melalui citra termal.
Tahap berikutnya mencakup validasi perangkat keras pada instalasi fotovoltaik milik mitra INELSO Innovative Electrical Solutions di Turki.
Sementara itu, BEIA Consult International menguji model AI Fraunhofer IFF di Bucharest, Rumania, menggunakan data produksi dan konsumsi energi dari inverter SolarEdge.
Pengujian di lintas lokasi yang berbeda tersebut penting untuk memastikan bahwa teknologi mampu bekerja dalam kondisi operasional nyata, bukan hanya di lingkungan laboratorium milik Fraunhofer IFF.
Validasi juga diperlukan untuk menilai kemampuan sistem ketika diterapkan pada pembangkit listrik tenaga surya berskala besar.
Transformasi digital dalam pengelolaan energi terbarukan tidak cukup hanya mengandalkan pemantauan produksi listrik pada tingkat inverter. Semakin besar kapasitas pembangkit fotovoltaik, semakin penting kemampuan perusahaan mengetahui kondisi setiap modul secara terperinci.
Pengembangan ZeroDefect4PV yang dilakukan oleh Fraunhofer IFF bersama mitranya, memperlihatkan bagaimana kombinasi sensor individual, komunikasi data, analisis AI, dan sistem kendali terpusat dapat meningkatkan kemampuan deteksi dini serta pelokalan gangguan.
Terinspirasi dari penemuan para ahli Fraunhofer IFF, maka Indonesia memiliki peluang besar untuk memanfaatkan teknologi pemantauan panel surya berbasis sensor dan AI, khususnya pada perusahaan yang mengoperasikan pembangkit listrik tenaga surya atap, kawasan industri, fasilitas manufaktur, pergudangan, dan instalasi energi surya skala utilitas.
Di lingkungan industri, gangguan pada sistem fotovoltaik tidak hanya berdampak terhadap produksi energi, tetapi juga dapat memengaruhi perencanaan pasokan listrik dan biaya operasional perusahaan.
Pendekatan tersebut membuka peluang untuk mengembangkan strategi predictive maintenance yang lebih akurat, terukur, dan berbasis data.
Pesan strategisnya jelas: perusahaan tidak cukup hanya memasang panel surya untuk menghasilkan listrik. Perusahaan juga harus memastikan setiap modul bekerja optimal, setiap gangguan teridentifikasi, dan setiap keputusan pemeliharaan memberikan nilai ekonomi.
Keandalan energi surya pada akhirnya bukan hanya ditentukan oleh kapasitas terpasang, melainkan juga oleh kemampuan perusahaan mengelola kinerja setiap modul sepanjang umur operasional pembangkit.
Indonesia memiliki potensi energi surya sebesar 3.294 GWp. Potensi yang telah dimanfaatkan sekitar 0,0466 persen—diwujudkan dalam kapasitas pembangkit PLTS terpasang (Kementerian ESDM, 2025), Sekitar 99,9534 persen masih belum diwujudkan dalam kapasitas PLTS. #SalamSobatmmINDUSTRI
This type of article is favored by our readers. Would your company willing to sponsor it? Kindly email us: business@mmindustri.co.id or fill this form